INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA

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

Download "INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA"

Transcripción

1 Lecura 6 PRONÓSTICOS EN ACTIVOS REPARABLES INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Medardo Yañez

2 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad.. PRONÓSTICOS EN ACTIVOS REPARABLES INTRODUCCIÓN U ssema reparable es aquel que acepa reparacoes y le puede ser resauradas sus fucoes medae el uso de cualquer méodo de reparacó dferee al reemplazo del ssema compleo. E el aálss de ssemas reparables hay cco posble esados e los cuales dcho ssemas puede quedar después de ua reparacó. Esos esados so: Ta bueo como uevo Ta malo como aes de reparar Mejor que aes de reparar pero peor que cuado esaba uevo Mejor que cuado esaba uevo Peor que aes de reparar Los modelos probablíscos ulzados radcoalmee para esmar o predecr el úmero esperado de fallas asume alguo de los dos prmeros esados pero o cubre los úlmos res, los cuales parecera acercarse más a la realdad. E esa seccó se presea ua revsó de los modelos radcoales de predccó del úmero de fallas e u empo msó para ssemas reparables, así como alguos ejemplos de aplcacoes. Adcoalmee se presea la formulacó de u modelo probablísco que oma e cuea los cco esados e los que puede quedar u ssema ua vez reparado, el cual se deoma Proceso Geeralzado de Resauracó (PGR) y se demuesra que el PGR es la eoría más geeral para predecr el úmero de fallas e acvos reparables.... VARIABLES PROBABILÍSTICAS DE INTERÉS EN ANÁLISIS DE CONFIABILIDAD DE ACTIVOS REPARABLES Como se mecoó prevamee u equpo reparable es aquel cuya codcó operava puede resaurarse después de fallar, co ua reparacó. Esa cosderacó mplca que e su vda puede ocurrr mas de ua falla y es esa la dfereca fudameal co los equpos o reparables e cuya vda solo puede ocurrr ua úca falla. E la seccó.. se esudó exesamee como raar la varable probablísca de erés para acvos o reparables, es decr, el empo para la falla; y los dcadores o fguras de méro ulzados para descrbrla; ales como la asa de fallas h( m ), la cofabldad C( m ) y la probabldad de falla F( m ) para u empo msó m ; o obsae como se demosrara mas adelae, esos cocepos, dcadores y ecuacoes, al como fuero defdos e la mecoada seccó, o aplca cuado hablamos de equpos reparables. E esa seccó, se raará exesamee el ema de la varable probablísca que 87

3 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad se esuda para equpos reparables y los dcadores o fguras de méro para caracerzarla. Cuado se raa de equpos reparables y se habla de empo para la falla, surge medaamee la pregua empo para cual falla? ; (empo para la prmera falla?; o empo para la seguda falla?; o empo para la ésma falla?), ya que para u empo msó m puede ocurrr mas de ua falla. S se habla por ejemplo la probabldad de falla e el empo msó m, surge las pregua, probabldad de cuaas fallas?; probabldad de ua falla e u perodo m?; o probabldad de fallas e u empo m?; o probabldad de fallas e u empo m?. E la fgura.-a se esquemaza ua proyeccó o esmado de u proceso de operacó de u equpo reparable, e el que se sabe que puede ocurrr fallas que será resauradas co reparacoes. Al mecoado esquema se asoca la omeclaura que se ulzara e lo sucesvo. Nóese que se maejara dos escalas de empo:.- Ua escala relacoada al empo de operacó ere fallas; para la cual se usara subídces; por ejemplo empo de operacó ere la prmera y la seguda falla..- Ora escala relacoada co el empo acumulado de operacó hasa las fallas o hasa u eveo específco; para la cual se usara superídces; por ejemplo ] empo acumulado de operacó hasa la seguda falla. Nóese que ] ra falla da falla ra falla a falla (-) - h falla () h falla K ] ] ] ] ]... ]... ] K Tempo msó T... K Fgura.-A: Proceso de fallas sucesvas. Nomeclaura Aalzado la fgura.-a y recordado que el empo para la falla se cosdera como ua varable aleaora por exceleca, se cocluye que los varables (empo de operacó hasa la prmera falla), (empo de operacó ere la prmera y la seguda falla), (empo de operacó ere la seguda y la ercera falla); hasa (empo de operacó ere la (-) h y la falla ), so odas varables aleaoras; es decr varables que puede omar múlples valores y que 88

4 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad por ede cada ua puede ser represeada co ua dsrbucó de probabldades. De la msma maera, y recordado los cocepos de operacoes co varables aleaoras dscudos e el Capíulo III, se cocluye que las varables ] (empo acumulado de operacó hasa la seguda falla), ] (empo acumulado de operacó hasa la ercera falla), ] (empo acumulado de operacó hasa la cuara falla), hasa ] (empo acumulado de operacó hasa la falla), so ambé varables aleaoras ya que las msmas resula de la suma de oras varables aleaoras; al como puede verse e la fgura. A. E la fgura.-b se represea la probabldad de fallas F( ), que como puede oarse aumea desde 0 a ere la falla - y la falla ; para,,,.., y e la fgura.-c se represea la cofabldad del ssema C( ), que dsmuye desde hasa 0 ere la falla - y la falla ; para,,,..,. F( ) Probabldad de Fallas ere la (-) h falla y la h falla 0 ra falla da falla ra falla a falla (-) - h falla () h falla K a] empo acumulado e operacó 0 k] Fgura.-B: Probabldad de Fallas e Acvos Reparables C( ) Cofabldad ere la (-) h falla y la h falla 0 ra falla da falla ra falla a falla (-) - h falla () h falla K a] empo acumulado e operacó 0 k] Fgura.-C: Cofabldad e Acvos Reparables 89

5 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad Las fguras.-b y.-c muesra claramee que o ee mucho sedo hablar de probabldad de falla o cofabldad e u empo acumulado de operacó k] o empo msó, ya que e ese perodo esos valores flucúa ere 0 y varas veces, y para dferees valores del empo e operacó puede darse el msmo valor de probabldad de falla. Por esa razó esos dcadores so poco usados e el aálss de acvos reparables. El aálss de la fgura.-d perme defcar la varable aleaora que caracerza a los equpos reparables coocda como Número Acumulado de Fallas N( m] ), para u empo acumulado de operacó o empo msó m]. N( a] ) No acumulado de fallas e el empo acumulado de operacó a] N( k] ) 95% f(n( k] )) µn( k] )Λ( k] ) N( k] ) 5%... ra falla da falla ra falla a falla ] ] ] ] Hsora (pasado) Hoy m Predccó (fuuro) a] empo acumulado e operacó ] m Tempo msó m Fgura.-D: Número Acumulado de Fallas e el Tempo Acumulado de Operacó Para la mejor compresó de ése ema es mporae explcar dos zoas claramee dferecadas e la fgura.-d:.- Ua zoa correspodee a la Hsora o al pasado; que comprede fallas acumuladas, que ha ocurrdo e forma sucesva y co ervalos,, y. Los valores,, y o so varables aleaoras; porque so coocdos; así como ampoco es ua varable aleaora el úmero acumulado de fallas e el empo de operacó ]. Esos valores so daos que se usara para hacer predccoes del umero de fallas para empos mayores a ]..- La ora es la llamada zoa de Predccó y correspode al fuuro. E esa zoa odo es aleaoro, y el objevo es saber cuaas fallas mas puede ocurrr 90

6 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad desde ] hasa m] ] m. Como el lecor puede ferr, la varable Número Acumulado de Fallas N( m] ), puede omar múlples valores para u empo acumulado de operacó o empo msó m] m ; es decr, es ua varable aleaora que puede y debe ser modelada maemácamee co ua dsrbucó de probabldades, a la cual se le puede calcular ua meda y uos perceles; al como se muesra e la fgura. Resumedo, la predccó del úmero acumulado de fallas para cada valor del empo de operacó dara como resulado ua dsrbucó de probabldades. La meda o valor esperado de esa dsrbucó se cooce como Número Esperado de Fallas y se deoa como Λ( m] ), como se muesra claramee e la fgura. La varable aleaora Número Acumulado de Fallas N( m] ), para u empo acumulado de operacó m] es la varable probablísca objeo de esudo e aálss de acvos reparables, y la fgura de méro Número Esperado de Fallas Λ( m] ) es el dcador por exceleca ulzado para caracerzarla. Además de Λ( m] ), exse oras fguras de mero o dcadores de gra uldad para aálss de equpos reparables; esos so: λ( m] ) asa de ocurreca de fallas al empo acumulado de operacó m] TEPPF empo esperado para la próxma falla, después del empo acumulado de operacó hasa la úlma falla E las seccoes sucesvas, se defrá los modelos maemácos para esmacó de los dcadores probablíscos de erés e ssemas reparables; co especal éfass e la esmacó del Número Esperado de Fallas Λ( m] ).... MODELOS PROBABILÍSTICOS PARA LA ESTIMACIÓN O PREDICCIÓN DEL NÚMERO DE FALLAS (N(T M] )) EN UN PERIODO DE OPERACIÓN T M], PARA SISTEMAS REPARABLES La fgura.-e muesra u resume de las eorías o procesos esocáscos para el modelaje de cofabldad de ssemas reparables. El Proceso Ordaro de Resauracó, el cual asume que el ssema vuelve a la codcó de a bueo como uevo y el Proceso No Homogéeo de Posso, el cual asume que queda a malo como esaba, so los méodos más comúmee ulzados para la evaluacó de ssemas reparables. El Proceso Geeralzado de Resauracó (PGR), el cual o asume gú esado e parcular y cosdera que los 5 esados so posbles, ha sdo receemee de gra erés debdo a la ecesdad de eer aálss y predccoes que esé suseados sobre bases más realsas. 9

7 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad Aálss de Cofabldad para Equpos Reparables Resaurar a la codcó orgal Reparacó míma posble Resaurar parcalmee Proceso Ordaro de Resauracó (POR) Proceso o Homogeeo de Posso (PNHP) Proceso Geeralzado de Resauracó (PGR) Ta bueo como uevo Ta malo como vejo Mejor que como esaba pero peor que uevo Fgura.-E: Teorías para Modelaje de acvos reparables... PROCESO ORDINARIO DE RESTAURACIÓN (POR) Se defe como Proceso Ordaro de Resauracó a u modelo maemáco que cosdera que los dferees empos ere fallas sucesvas de u acvo reparable so varables aleaoras depedees e décamee dsrbudas (es decr que puede represearse co la msmo modelo de dsrbucó paramérca probablísca). Esas cosderacoes puede ser valdas s se asume que el ssema es resaurado a su codcó orgal cada vez que se repara; es decr el equpo queda a bueo como uevo. S eso se asume como cero, los empos (,,...) ere fallas sucesvas so depedees, ya que al haber ua reparacó perfeca el empo de operacó o ee gú efeco e el empo. De gual forma, s cuado ocurre la falla e el empo (,,.), el equpo es resaurado a su codcó orgal, es razoable pesar que la varable aleaora, se comporara de maera smlar a la varable aleaora ya que al co de ambos perodos, el equpo esa eórcamee e la msma codcó; por lo que puede asumrse que ambas varables puede caracerzarse co la msma dsrbucó de probabldades; es decr, puede cosderarse décamee dsrbudas. 9

8 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad Por supueso, cosderar que cuado ocurre ua falla el equpo es resaurado a su codcó orgal represea u escearo deal, por lo que el POR es u modelo que ee lmacoes e su aplcacó e el aálss de ssemas reparables. Ese modelo esa resrgdo para equpos cosudos por alguos pocos compoees prcpales o reparables los cuales so reemplazables dvdualmee al fallar. Eso es, cuado ua pare prcpal del equpo falla, esa será reemplazada por ua ueva. Los compoees so o reparables ; pero el equpo es reparable. També es valda esa asucó, cuado la políca de reparacó sea revsar odo el equpo y reemplazar odo lo que ese deerorado cada vez que el equpo falle. Co base e el POR, y asumedo que los empos ere fallas sucesvas sgue ua dsrbucó Webull, las ecuacoes para los dcadores probablíscos de erés, para u valor del empo de operacó m], so las sguees: m] Probabldad de Fallas: ( ) m] Cofabldad: ( ) m F e Ecuacó.6 m C e Ecuacó.7 m] Tasa de Ocurreca de Fallas: ( ) m λ Ecuacó.8 Tempo Esperado para la próxma Falla: TEPPF. Γ Ecuacó.9 Número Esperado de Fallas: El cálculo de la varable Número Esperado de Fallas (Λ( m] )), revse especal erés y complejdad; por esa razó, se propoe ua solucó por smulacó de Moecarlo para esa varable. Para el POR a parr de la ecuacó.6, se sabe que: ( ( ( )) ) / lf Ecuacó.0 Dode represea empos ere fallas sucesvas geerados desde la ecuacó de Probabldad de Falla del POR. Co la ecuacó.0, podemos calcular el 9

9 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad úmero Esperado de Fallas Λ(T) al empo acumulado de operacó m] T; sguedo el dagrama de flujo que se muesra e la fgura.. El flujo-grama de la fgura. es fáclmee programable, y e cuesó de segudos es posble realzar mles de eracoes para obeer u cálculo umérco de Λ(T). INICIO SELECCIONE EL PERIODO DE ANALISIS T INGRESE EL VALOR DE LOS PARAMETROS y SELECCIONE EL NUMERO DE ITERACIONES m j T j 0 GENERAR ALEATORIAMENTE, UN VALOR X j ENTRE 0 y Tempo para la Falla () 0 F() 0,9 0,8 0,7 0,6 0,5 0, 0, 0, 0, 0 F () e 0,0 50,0 00,0 50,0 00,0 50,0 empo (hrs) j / ( l ( X )) j T j T j j SI <m? N Fallas j NO T j <T? SI jj NO NUMERO ESPERADO DE FALLAS AL TIEMPO T m Λ(T ) m STOP Fgura.: Flujograma de la Smulacó de Moecarlo para el cálculo del N Esperado de Fallas Λ(T) e acvos reparables basado e el POR Nóese que para el cálculo de cualquera de los dcadores probablíscas de erés, es ecesaro eer calculados los valores de los parámeros de escala () y de forma (). Ecuacoes para los Parámeros del POR Caso : Equpo Fallado La esmacó se hace e u momeo e el que acaba de ocurrr la falla, y el equpo o esa operado. E esas ecuacoes represea los empos ere fallas sucesvas observados y es el úmero oal de fallas observadas. 9

10 ˆ Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad ( ) Ecuacó.. l( )] l ( ) Ecuacó.. Ecuacoes para los Parámeros del POR Caso : Equpo Operado La esmacó o predccó se realza cuado el equpo esa operado ha rascurrdo u empo c (ver fgura.-a) desde la ocurreca de la úlma falla. Para el cálculo de parámeros es ecesaro resolver el sguee ssema de ecuacoes: ˆ ( ) ( ) l( )] ( ) ( ) c c l(c c ) l ( ) Ecuacó.. Ecuacó.. E ese puo es mporae desacar que el valor c puede clasfcarse como u dao cesado; al como se defó e la seccó... Como se dca e la fgura.-a, los parámeros se calcula co los valores de empos ere fallas y empos cesados que ya ha ocurrdo; es decr co la Hsora ; y los msmos so usados para predecr las fallas que ocurrrá a fuuro. 95

11 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad N( a] ) No acumulado de fallas e el empo acumulado de operacó a] N( k] ) 95% f(n( k] )) µn( k] )Λ( k] ) N( k] ) 5% Daos para esmar parámeros y... ra falla da falla ra falla a falla c ] ] ] ] Hsora (pasado) ] m Tempo msó Hoy c m m Predccó (fuuro) a] empo acumulado e operacó Fgura.-A: Esmacó de Parámeros, equpo operado... PROCESO NO HOMOGÉNEO DE POISSON (PNHP) U proceso de resauracó que pueda modelarse co el llamado Proceso No Homogéeo de Posso es aquel e el que los dferees empos para la falla ( ) de u compoee o ssema so cosderados varables aleaoras depedees e décamee dsrbudas. Esa cosderacó es válda s se asume que al fallar, el ssema es somedo a ua reparacó míma, y que por lo ao el equpo queda a malo como esaba juso aes de la falla. Ese modelo es váldo para equpos muy complejos, co múlples compoees, cuado la políca de reparacó es hacer la míma reparacó requerda para poer al equpo a operar uevamee. Asumedo que se cumple las asucoes prevamee descras, y que los empos sucesvos para fallar sgue ua dsrbucó de Webull, las ecuacoes de cálculo para las varables probablíscas de erés, para el PNHP so las sguees: 96

12 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad 97 Probabldad de Fallas: ( ) e F Ecuacó. ( ) e f Ecuacó. Cofabldad: ( ) e C Ecuacó.5 Número Esperado de Fallas: ( ) ( ) ( ) ] Λ ] m ] ] m ] Ecuacó.6 Tasa de Ocurreca de Fallas: ( ) m ] m ] λ Ecuacó.7 : ( ) ( ) ] m m ] TEPPF Ecuacó.8 Al gual que para el caso del POR, para el caso del PNHP debe obeerse dos expresoes dferees para los parámeros y de las ecuacoes aerores. Ecuacoes para los Parámeros del PNHP Caso : Equpo Fallado Ese caso se refere a esmacoes que se hace e u momeo e el que acaba de ocurrr la falla, y el equpo o esa operado. Las ecuacoes de los parámeros para ese caso so las sguees: ( ) ] ˆ Ecuacó.9

13 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad ˆ l ] ( ) ( ) ] Ecuacó.0 Dode ] es el empo de operacó acumulado hasa que ocurró la ulma falla, ] es el empo acumulado de operacó hasa que ocurre la falla y es el úmero oal de fallas. Ecuacoes para los Parámeros del PNHP Caso : Equpo Operado La esmacó se realza cuado el equpo esa operado y ha rascurrdo u empo c desde la ocurreca de la úlma falla. ˆ m ] ( ) Ecuacó.-A ˆ K ] ( ) ( ) Ecuacó.-B l ] Dode ] es el empo acumulado de operacó hasa la falla, m] es el empo de aálss o perodo de erés, c es el empo rascurrdo desde que ocurró la úlma falla hasa el momeo e que desea realzarse el cálculo y es el úmero oal de fallas observadas.... SIMULACIÓN DE MONTECARLO PARA EL PROCESO NO HOMOGÉNEO DE POISSON (PNHP) A pesar de que para el PNHP la esmacó del úmero esperado de fallas puede hacerse aalícamee s mayor dfculad co la ecuacó.6, esa esmacó ambé puede hacerse sguedo el msmo procedmeo ulzado e el POR. La prcpal dfereca es se ulza ua dsrbucó Webull codcoal. Eso es: F ( ) e, obeédose: ( ) l F( )]) /, para, Ecuacó. 98

14 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad Co la ecuacó., podemos calcular el Número Esperado de Fallas al empo T (Λ(T)), sguedo el dagrama de flujo que se muesra a e la fgura.. INICIO SELECCIONE EL PERIODO DE ANALISIS T INGRESE EL VALOR DE LOS PARAMETROS y SELECCIONE EL NUMERO DE ITERACIONES m j T GENERAR ALEATORIAMENTE, UN VALOR X j ENTRE 0 y Tempo para la Falla () 0 F() 0,9 0,8 0,7 0,6 0,5 0, 0, 0, 0, 0 F ( ) e 0,0 50,0 00,0 50,0 00,0 50,0 j empo (hrs) ( ) ( ) / l X j j T j T j- j SI <m? N Fallas j NO T j <T? SI jj NO NUMERO ESPERADO DE FALLAS AL TIEMPO T m Λ(T ) m STOP Fgura.: Smulacó de Moecarlo N Esperado de Fallas Λ(T) PNHP El flujo-grama de la fgura., al gual que el de la fgura., es fáclmee programable, y e cuesó de segudos es posble realzar mles de eracoes para obeer u cálculo umérco de Λ(T).... PROCESO GENERALIZADO DE RESTAURACIÓN (PGR) El proceso geeralzado de resauracó provee la plaaforma para calcular las varables probablíscas de erés para equpos reparables s la ecesdad de hacer asucoes acerca del esado del equpo después de la reparacó. Es u proceso geeral que coee a los casos de POR y NHPP como casos exremos; pero que perme modelar casos ermedos, es decr, reparacoes e las que el equpo queda mejor que como esaba pero peor que cuado 99

15 Yañez Meda, Medardo - Gómez de la Vega, Herado Valbuea Chouro, Geebel Igeería de Cofabldad y Aálss Probablísco de Resgo Capíulo IV: Igeería de Cofabldad uevo ; es decr veles parcales de resauracó. Como el lecor urá, ese proceso perme modelar casos mas reales que el POR y el PNHP. El PGR es u desarrollo muy recee, de cosderable complejdad maemáca que au puede cosderarse u área de vesgacó. Por esa razó, e aras de la fludez de la lecura de ese exo, se prefró dejarlo para lecores parcularmee eresados e el ema. 00

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales. Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE Maemácas Faceras Prof. Mª Mercedes Rojas de Graca TEMA 5: APITALIZAIÓN OMPUESTA ÍNDIE. APITALIZAIÓN OMPUESTA..... ONEPTO..... DESRIPIÓN DE LA OPERAIÓN....3. ARATERÍSTIAS DE LA OPERAIÓN....4. DESARROLLO

Más detalles

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA.

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA. Taller de Preparacó para el eame Models Lfe Cogeces MLC de la SO. Trdad Gozález Bolla El presee es u forme del rabajo desarrollado durae el aller de preparacó para el eame MLC de SO ue uo lugar e la Faculad

Más detalles

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México Ua Esraega de Acumulacó de Reservas Medae Opcoes de Vea de Dólares. El Caso de Baco de Méxco INDICE I. REUMEN... II. INTRODUCCIÓN...3 III. IV. OPCIONE DE VENTA DE DÓLARE...4 III.. PRINCIPALE CARACTERÍTICA...4

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL ESTUDO DE OSTOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL Volume V apulo 3 forme Fal Revsó. VOLUMEN V APTULO 3 METODOLOGÍA PARA LA ATULZAÓN DE LAS URVA DE OSTOS ÓPTMOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL

Más detalles

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea Fucoes homogéeas FUNCIONES HOMOGÉNEAS (ESQUEMA).- Cocepo y propedades...- Cocepo Defcó de coo Defcó de fucó homogéea Ierpreacó ecoómca de la fucó homogéea..- Propedades (Operacoes co fucoes homogéeas)

Más detalles

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas Esmacó de parámeros e ecuacoes dferecales esocáscas aplcadas a fazas Joh Freddy Moreo Trujllo * jho.moreo@uexerado.edu.co * Docee vesgador. Faculad de Fazas, Gobero y Relacoes Ieracoales. Uversdad Exerado

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Capítulo 3. Consideraciones sobre métodos numéricos

Capítulo 3. Consideraciones sobre métodos numéricos 3.. Iroduccó 5 Capíulo 3. Cosderacoes sobre méodos umércos 3.. Iroduccó E ese capíulo se presea la eoría y alguos cocepos sobre los que se susea los esquemas umércos de ala resolucó. Su aplcacó a las ecuacoes

Más detalles

Para el caso τ = 20 [min], la función se puede representar de las siguientes formas: a) Función Matemática: b) Tabla de Valores

Para el caso τ = 20 [min], la función se puede representar de las siguientes formas: a) Función Matemática: b) Tabla de Valores 1 RAPIDEZ DE CAMBIO Semaa 05 1 Varables depedees y o depedees Defr los cocepos: varable, cosae, cremeo, varacó. Defr los cocepos: varable depedee, varable depedee. Recoocer varables depedees e depedees.

Más detalles

Flujo en acuífero libre

Flujo en acuífero libre SESIÓN PRÁCTICA EDP PARABÓLICA CON MÉTODO FTCS Flujo e acuíero lbre E esa sesó se aalza medae el méodo eplíco de derecas as la evolucó emporal del vel reáco sobre ua geomería de acuíero lbre alerada por

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES Maemácas Faceras Prof. Mª Mercees Rojas e Graca TEMA 3: EQUIVALENIA FINANIERA DE APITALE ÍNDIE. PRINIPIO DE EQUIVALENIA DE APITALE: ONEPTO. APLIAIONE DEL PRINIPIO DE EQUIVALENIA: UTITUIÓN DE APITALE....

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Introducción a la Estadística Descriptiva

Introducción a la Estadística Descriptiva Iroduccó a la Esadísca Descrpva ª Edcó Carla Re Graña María Raml Díaz ITRODUCCIÓ A LA ESTADÍSTICA DESCRIPTIVA. ª Edcó o esá permda la reproduccó oal o parcal de ese lbro, su raameo formáco, la rasmsódeguaformaoporcualquermedo,aseaelecróco,mecáco,porfoocopa,por

Más detalles

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Navarro Camacho, Jorge jorgeav@umes Deparameo de Esadísca e Ivesgacó Operava Uversdad

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005 Reglas para el maejo de los ídces de deuda de la BV Bolsa acoal de Valores Verso 4.4 3/07/005 ága de 6 COTEIDO ITRODUCCIÓ... 4. erspecva geeral... 4 MAEJO DE LOS ÍDICES... 6. Comé de Ídces de íulos de

Más detalles

CURSO DE ECONOMETRIA BÁSICA

CURSO DE ECONOMETRIA BÁSICA CURSO DE ECONOMETRIA BÁSICA D. Fracsco Parra Rodríguez. Jefe de Servco de Esadíscas Ecoómcas y Socodemografcas. Isuo Caabro de Esadísca. ICANE, ÍNDICE Tema. Regresó y correlacó leal smple Tema. Regresó

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Influencia de distribución del tiempo de ocurrencia entre siniestros en la solvencia de las carteras de seguros no vida (*)

Influencia de distribución del tiempo de ocurrencia entre siniestros en la solvencia de las carteras de seguros no vida (*) ESTADÍSTICA ESPAÑOLA Vol. 50, úm. 69, 008, págs. 455 a 478 Iflueca de dsrbucó del empo de ocurreca ere sesros e la solveca de las careras de seguros o vda (*) por MAITE MÁRMOL JIMÉNEZ y M. MERCE CLARAMUNT

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

CAPÍTULO 6. CINEMÁTICA DIFERENCIAL DEL ROBOT PARALELO

CAPÍTULO 6. CINEMÁTICA DIFERENCIAL DEL ROBOT PARALELO CAÍUO. CNMÁCA DFRNCA D ROBO ARAO es seccó se descrbe el álss de elocddes y celercoes del robo prlelo, el cul puede llerse cbo mede ls ecucoes pr momeo geerl debdo que o ese deslzmeo e ls coeoes. ss ecucoes

Más detalles

TEMA 2.- LA CAPITALIZACIÓN COMPUESTA.

TEMA 2.- LA CAPITALIZACIÓN COMPUESTA. TEMA.- LA APITALIZAIÓN OMPUESTA. Objevo: Foralzar la ley de capalzacó copuesa y esudar sus agudes dervadas.. EXPRESIÓN ANALÍTIA Y REPRESENTAIÓN GRÁFIA. La ley facera de capalzacó copuesa ee la sguee expresó

Más detalles

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1) ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales

Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales Esmacó de Parámeros de Ssemas Leales vía Marces Operacoales Isdro I. Lázaro, Salvador Ramírez lazaro@zeus.umch.mx szavala@zeus.umch.mx Faculad de Igeería Elécrca-Uversdad Mchoacaa de Sa Ncolás de Hdalgo

Más detalles

VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS *

VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS * Revsa Igeerías Uversdad de Medellí VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS * Carlos Alexáder Grajales Correa ** Fredy Ocars Pérez Ramírez *** Recbdo: 6//009 Acepado: 08/0/00 RESUMEN

Más detalles

Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida

Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida Análss de supervvenca Alber Sorrbas Grup de Boesadísca I Bomaemàca Deparamen de Cènces Mèdques Bàsques Unversa de Lleda Esquema general Inroduccón al análss de supervvenca Tpos de esudos El concepo de

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001 REVISA INVESIGACION OPERACIONAL Vol., No., SOLUCIONES A DIFERENES PROBLEMAS DENRO DEL CAMPO DE LA COMUNICACION ESADISICA J. Navarro Moreo, J.C. Ruz Mola y R.M. Ferádez Alcalá, Deparameo de Esadísca e Ivesgacó

Más detalles

n t T é c n i c Curso de Estadística con R Autor: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas Económicas y Sociodemográficas ICANE

n t T é c n i c Curso de Estadística con R Autor: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas Económicas y Sociodemográficas ICANE D o c u m e Curso de Esadísca co R o s Auor: Fracsco Parra Rodríguez Jefe de Servco de Esadíscas Ecoómcas y Socodemográfcas ICANE DOC. Nº /6 ISSN 444-67 Saader, Caabra T é c c o s . EL MODELO LINEAL GENERAL...3..

Más detalles

Estimación de parámetros Tema 2. Propiedades de los buenos estimadores. 2. Estimación por intervalos

Estimación de parámetros Tema 2. Propiedades de los buenos estimadores. 2. Estimación por intervalos Uverdad Auóoma de Madrd Emacó de parámero Tema. Emacó puual Propedade de lo bueo emadore. Emacó por ervalo.. Coruccó del ervalo de cofaza. íme cofdecale. Nvel de cofaza y vel de rego... Iervalo de cofaza

Más detalles

ANÁLISIS DE CIRCUITOS EN RÉGIMEN POLIARMÓNICO

ANÁLISIS DE CIRCUITOS EN RÉGIMEN POLIARMÓNICO A.4. EORÍA DE CRCUOS CAPÍULO 3 ANÁLSS DE CRCUOS EN RÉGEN POLARÓNCO Cáedra de eoría de Crcuos Edcó 3 ANÁLSS DE CRCUOS EN RÉGEN POLARÓNCO 3. roduccó El desarrollo de las éccas de aálss de Fourer posee ua

Más detalles

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel Volume 4 - º / dcembre 0 estmacó de la estructura de Tasas omales de chle: aplcacó del modelo dámco elso-segel Rodrgo Alaro A. * Sebasá Becerra C. ** Adrés Sager T. *** I. IroduccIó La esmacó de la esrucura

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO)

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) I. Descrpcó del cálculo de los dcadores IFO CIFO La flota e operacó se medrá a través de los mecasmos IFO y CIFO, de acuerdo a lo establecdo

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

Curvas Sistemas Gráficos Ing. Horacio Abbate 1

Curvas Sistemas Gráficos Ing. Horacio Abbate 1 Crvas Ssemas Gráfcos Ig. Horaco Abbae Polomos de erse Para y cosderar Para y cosderar - - Forma a base ara los olomos de grado. Calqer olomo de grado se ede descrbr como a combacó leal de olomos de erse

Más detalles

1.1 INTRODUCCION & NOTACION

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

Más detalles

ELABORACIÓN DE UN ÍNDICE COMPUESTO CAPÍTULO = X

ELABORACIÓN DE UN ÍNDICE COMPUESTO CAPÍTULO = X 5 CAPÍTULO ELABORACIÓN DE UN ÍNDICE COMPUESTO Ls Ídces Cmpuess, expresa de maera resumda la varacó prmed de u cju de varables respec de u períd base. Csderems u Agregad Cmplej "X", csud pr las varables

Más detalles

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística lmae Varably ad hage Hydrologcal Impacs Proceedgs of he Ffh FRIND World oferece held a Havaa uba November 006 IAHS Publ. 308 006. 6 odelacó hdrológca empleado soyeas de releve ua aproxmacó geoesadísca

Más detalles

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción

n p(a ) = n p(a ) = n k Nº de casos favorables de A Nº de casos posibles de E p(a) = Capítulo PROBABILIDAD 1. Introducción Capítulo VII PROBABILIDAD 1. Itroduccó Se dcaba e el capítulo ateror que cuado u expermeto aleatoro se repte u gra úmero de veces, los posbles resultados tede a presetarse u úmero muy parecdo de veces,

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY RESUMEN El ema raado e ese rabao se emarca dero del esquema de Cueas Saéle del Tursmo. Maemácamee se desarrolla u ssema de ecuacoes e dferecas. Se pare de la ecuacó macroecoómca fudameal e equlbro para

Más detalles

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS. Prof. J.L.Cotto UNIVERSIDAD INTERAMERICANA DE PUERTO RICO DEPARTAMENTO DE ADMINISTRACIÓN DE EMPRESAS MAEC 2140: Méodos Cuaiaivos Prof. J.L.Coo DISCUSION Y EJEMPLOS SOBRE EL TEMA FUNCIONES EXPONENCIALS El valor del diero

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Tabla de Contenidos. 1 Conceptos básicos sobre regresión y correlación... 1. 2 Caracterización de rodales... 22

Tabla de Contenidos. 1 Conceptos básicos sobre regresión y correlación... 1. 2 Caracterización de rodales... 22 Tala de Coedo Preeacó... Cocepo áco ore regreó correlacó.... Supueo áco de regreó.... Lo upueo de regreó e Dedromería... 6. Emacó de lo parámero del modelo de regreó leal mple... 7.. El méodo de mímo cuadrado

Más detalles

CURSO CONVOCATORIA:

CURSO CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 6-7 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, dero de ella, sólo debe respoder (como

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria) TEMAS DE MATEMÁTICAS (Oposcoes de Secudara TEMA 8 MATRICES. ALGEBRA DE MATRICES. APLICACIONES AL CAMPO DE LAS CIENCIAS SOCIALES Y DE LA NATURALEZA.. Iroduccó.. Cocepo báscos... Tpos de marces. 3. M mx

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

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

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

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002

REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 UN SISTEMA BASADO EN CASOS PARA LA TOMA DE DECISIONES EN CONDICIONES DE INCERTIDUMBRE Ilaa Guérrez Maríez, Rafael E. Bello Pérez y Adrés Tellería Rodríguez

Más detalles

V Muestreo Estratificado

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

Más detalles

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica Esayos Lmacoes del modelo leal de probabldad y aleravas de modelacó mcroecoomérca Resume Absrac Résumé E ese arículo se eama res méodos para desarrollar modelos de probabldad para ua varable de respuesa

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

Anales de Psicología ISSN: Universidad de Murcia España

Anales de Psicología ISSN: Universidad de Murcia España Aales de Pscología ISSN: 212-9728 servpubl@fcu.um.es Uversdad de Murca España Ruz-Moreo, Jua M.; Trujllo, Humbero M. Modelos para la evaluacó del error humao e esudos de fabldad de ssemas Aales de Pscología,

Más detalles

CONVERGENCIA Y TEOREMAS LÍMITE

CONVERGENCIA Y TEOREMAS LÍMITE CONVERGENCIA Y TEOREMAS LÍMITE. Covergeca de sucesoes de varables aleaora Covergeca cas-segura Covergeca e robabldad Covergeca e meda cuadráca Covergeca e ley ( o dsrbucó). Leyes de los grades úmeros.

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede

Más detalles

Metodología Índice de Precios de Edificaciones Nuevas

Metodología Índice de Precios de Edificaciones Nuevas Meodología Ídce de recos de Edfcacoes Nuevas COLECCIÓN DOCUMENTOS - ACTUALIZACIÓN 29 Núm. 66 DEARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA HÉCTOR MALDONADO GÓMEZ Drecor CARLOS EDUARDO SEÚLVEDA RICO

Más detalles

Nota de Clase 5 Introducción a modelos de Data Panel: Generalidades

Nota de Clase 5 Introducción a modelos de Data Panel: Generalidades oa de Clase 5 Inroduccón a modelos de Daa Panel: Generaldades. Por qué daos de panel? Los modelos de daos de panel son versones mas generales de los modelos de core ansversal seres de empo vsos hasa el

Más detalles

INCERTIDUMBRE EN LA MEDICIÓN DE LA VELOCIDAD PARA LA SIMULACION DE OBJETOS EN MOVIMIENTO.

INCERTIDUMBRE EN LA MEDICIÓN DE LA VELOCIDAD PARA LA SIMULACION DE OBJETOS EN MOVIMIENTO. Scea e Tecca Año XV, No, Dcembre 009. versdad Tecológca Perera. ISSN 0-70 5 INCERTIDMBRE EN LA MEDICIÓN DE LA VELOCIDAD PARA LA SIMLACION DE OBJETOS EN MOVIMIENTO. Measureme uceray of e velocy for e smulao

Más detalles

EVALUACIÓN ECONÓMICA.

EVALUACIÓN ECONÓMICA. EVALUACIÓN ECONÓMICA. 1. ANTECEDENTES GENERALES. La evaluacó se podría defr, smplemete, como el proceso e el cual se determa el mérto, valor o sgfcaca de u proyecto. Este proceso de determacó os lleva

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

Sistemas Productivos

Sistemas Productivos Ssemas Producvos º Elemeos de dseño del proceso producvo A la hora de dseñar ua udad producva, hay que realzar ua sere de decsoes esraégcas que cluye ecesaramee:. Localzacó de la plaa: lugar dode físcamee

Más detalles

MOF - COMPETENCIA 1 FUNDAMENTOS DE LAS OPERACIONES FINANCIERAS

MOF - COMPETENCIA 1 FUNDAMENTOS DE LAS OPERACIONES FINANCIERAS MOF - OMPETENIA FUNDAMENTOS DE LAS OPERAIONES FINANIERAS apalzacó ompuesa. apalzacó Smple. Acualzacó ompuesa y Smple. Equvalecas Faceras. Aplcacoes de la apalzacó y del Descueo. Valores Medos: Ufcacó de

Más detalles

Facultad de Ciencias Económicas y Administrativas. Departamento de Economía. Análisis Espectral. Alvaro Montenegro. Bogotá, Marzo de 2009

Facultad de Ciencias Económicas y Administrativas. Departamento de Economía. Análisis Espectral. Alvaro Montenegro. Bogotá, Marzo de 2009 Faculad de Cecas Ecoómcas y Admsravas Deparameo de Ecoomía Aálss Especral Alvaro Moeegro Bogoá, Marzo de 009 Esa vesgacó fue facada por la Pofca Uversdad Javeraa y correspode a desarrollos del proyeco

Más detalles

MODELOS DE LENGUAJE VARIANTES EN EL TIEMPO

MODELOS DE LENGUAJE VARIANTES EN EL TIEMPO MODELOS DE LENGUAJE VARIANTES EN EL TIEMPO Mloe D H, Rubo A J 2 y López-Cózar R 2 Uversdad Nacoal de Ere Ríos, Argea, dmloe@eeeorg 2 Uvesdad de Graada, España, {rubo, rlopezc}@ugres PALABRAS CLAVE Recoocmeo

Más detalles

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

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

Más detalles

MEDIDAS DE FORMA Y CONCENTRACIÓN

MEDIDAS DE FORMA Y CONCENTRACIÓN MEDIDAS DE FORMA Y CONCENTRACIÓN 4..- Asmetría: coefcetes de asmetría de Fsher y Pearso. Otros Coefcetes de asmetría. 4.2.- La ley ormal. 4..- Curtoss o aplastameto: coefcete de Fsher. 4.4.- Meddas de

Más detalles

4o. Encuentro. Matemáticas en todo y para todos. Uso de las distribuciones de probabilidad en la simulación de sistemas productivos

4o. Encuentro. Matemáticas en todo y para todos. Uso de las distribuciones de probabilidad en la simulación de sistemas productivos 4o. Encuenro. Maemácas en odo y para odos. Uso de las dsrbucones de probabldad en la smulacón de ssemas producvos Leopoldo Eduardo Cárdenas Barrón lecarden@esm.mx Deparameno de Ingenería Indusral y de

Más detalles

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo

Estadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza

Más detalles

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A

Solución. Al sistema lo definen dos matrices, A la matriz de coeficientes y A la matriz ampliada. A A A A . Resolver Solució. l sisema lo defie dos marices la mari de coeficiees la mari ampliada. rg ' rg ' ' Rago de (méodo de ramer) S..D. rg ' rg. Resolver Solució. l sisema lo defie dos marices la mari de

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Trabajos. Temario. Tema 6. El diodo. Tema 6: El diodo. Tema 6. El diodo. Introducción. Objetivos:

Trabajos. Temario. Tema 6. El diodo. Tema 6: El diodo. Tema 6. El diodo. Introducción. Objetivos: emaro rabajos. odo 7. El rassor. Magesmo 9. duccó elecromagéca. rcuos de corree alera. Odas elecromagécas. lcacoes ócas odo. odo Zeer. odo LE 3. Foododo. odo úel 5. odo Schoky El rassor. El JFE, fudameos

Más detalles

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años.

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años. Ejerccos Resuelos Números Ídces Faculad Cecas Ecoómcas y Emresarales Dearameo de Ecoomía Alcada Profesor: Saago de la Fuee Ferádez 1. Ua emresa esuda la evolucó de los recos e euros de res comoees (A,

Más detalles

Años I0 t (base 1992 = 100)

Años I0 t (base 1992 = 100) Esadísca y Meodología de la vesgacó Dada cualquer varable de la que coocemos los valores referdos a dsos perodos emporales, eedemos por úmero ídce de esa varable e dchos perodos el resulado de dvdr los

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

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

Más detalles

Comparación de Proporciones

Comparación de Proporciones Comaracó de Proorcoes Resume El rocedmeto Comaracó de Proorcoes esta dseñado ara comarar las roorcoes observadas de u eveto etre muestras. Este realza ua rueba ch-cuadrada ara determar s hay o o dferecas

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Estadística de Precios de Vivienda

Estadística de Precios de Vivienda Esadísca de recos de Vvenda Meodología Subdreccón General de Esadíscas Madrd, febrero de 2012 Índce 1 Inroduccón 2 Objevos 3 Ámbos de la esadísca 3.1 Ámbo poblaconal 3.2 Ámbo geográfco 3.3 Ámbo emporal

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

Calibración de modelos gravitacionales acotados en origen, para predecir variaciones en el total atraído de movilidad laboral

Calibración de modelos gravitacionales acotados en origen, para predecir variaciones en el total atraído de movilidad laboral Calbracó de modelos gravtacoales acotados e orge, para predecr varacoes e el total atraído de movldad laboral Report de recerca Nº 4 Jorge Cerda Trocoso Abrl 00 roblema de vestgacó El tradcoal problema

Más detalles