Introducción a la Simulación Método Montecarlo
|
|
- Natividad Lara Chávez
- hace 6 años
- Vistas:
Transcripción
1 Investigación Operativa I Facultad Ciencias Exactas. UNICEN Introducción a la Simulación Método Montecarlo Cursada 2015
2 Agenda Números aleatorios y pseudo-aleatorios Modelos Simulaciones Montecarlo Caso Práctico Aplicaciones Conclusiones
3 Números aleatorios Deben tener igual probabilidad de salir elegidos. No debe existir correlación serial Se generan por tablas (Rand 1955), o por dispositivos especiales: ruleta. En la práctica se utilizan algoritmos aritméticos, generándose números pseudoaleatorios.
4 Números Pseudo-aleatorios Sustituyen a los números aleatorios. Se generan por algoritmos o fórmulas. Se debe asegurar la existencia de secuencias uniformes, largas y densas. Los números generados deben ser estadísticamente independientes.
5 Números Pseudo aleatorios: Generación Centros cuadrados: 44 2 = Métodos Congruenciales: x n =(ax n-1 + c) (mod m Mersenne twister, 32 o 64 bits. Transformación Inversa: x=f -1 (x) siendo F(x)=Prob(X<=x) Distribución uniforme R x = F -1 (R) F(x) x
6 Sistema, Modelos y Simulación Inicio: Simulación: 1949 Metodo Montecarlo (Von Newmann y Ulam) Simulación (Shannon, 1975) Proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito de entender el comportamiento del sistema o evaluar varias estrategias con las cuales se puede operar el sistema Sistema Conjunto de objetos o de ideas que están relacionados entre si como una unidad para la consecución de un objetivo. Modelo Representación simplificada de un sistema SISTEMA OBSERVACIÓN MODELO
7 Modelo? Es una abstracción de la realidad. Es una representación de la realidad que ayuda a entender cómo funciona. Es una construcción intelectual y descriptiva de un sistema en el cual un observador tiene interés. Se construyen para ser transmitidos. Se emplean supuestos simples para capturar el comportamiento importante.
8 Modelo Un modelo es una abstracción de un sistema desarrollada para entender la realidad y en consecuencia modificarla. No es posible modificar la realidad, en cierta dirección, si es que no se dispone de un modelo que la interprete. Construir modelos es una ciencia y un arte!!
9 Para qué sirve un modelo? el modelo o la realidad? Ayuda para el pensamiento Herramienta de predicción Para entrenamiento e instrucción Ayuda para la experimentación Ayuda para la comunicación
10 Tipos de Modelos estocástico determinístico tiempo-continuo tiempo-discreto estático dinámico Estocástico. Uno o más parámetros aleatorios. Entradas fijas produce salidas diferentes Determinístico. Entradas fijas producen salidas fijas Estático. Estado del sistema como un punto en el tiempo Dinámico. Estado del sistema como cambios en el tiempo Tiempo-continuo. El modelo permite que los estados del sistema cambien en cualquier momento. Tiempo-discreto. Los cambios de estado del sistema se dan en momentos discretos del tiempo.
11 Simulación: Modelo y Proceso Modelo de simulación: conjunto de hipótesis acerca del funcionamiento del sistema expresado como relaciones matemáticas y/o lógicas entre los elementos del sistema. Proceso de simulación: ejecución computacional del modelo a través del tiempo para generar muestras representativas del comportamiento del sistema.
12 Simulación Sistema Actual salida(t) entrada(t) parámetros =?? entrada(t) Sistema Simulado salida(t)
13 Cuándo usamos Simulación? Se requiere analizar diferentes cambios en la información y su efecto. Se desea experimentar con diferentes diseños o políticas. Se desea verificar soluciones analíticas. Un modelo analítico es imposible o difícil de construir. Se desea estudiar un sistema real y resulta peligroso o costoso hacerlo en el propio sistema real. El sistema a estudiar no existe. En Gestión para los casos dewhat-if.
14 Terminología para la Simulación Entidad: objeto de interés en el sistema. Atributos. descriptor de las características de una entidad. Estado de un sistema colección de variables que define el sistema en cualquier tiempo. Actividad: conjunto predefinido de acciones en un tiempo determinado. Evento: cambio instantáneo que puede ser asociada con modificación en el estado del sistema. Ambiente del sistema: región del sistema que se está estudiando.
15 Terminología de Simulación (Cont.) El valor de un atributo puede variar o no en el tiempo: atributos variables o no variables.. Ejemplos de atributos variables son: El número de ensambles en una cola El estado de una máquina (su utilización) El tiempo de término de un ensamble Si el doctor está ocupado o no Ejemplos de atributos no variables son: La ruta de una pieza La secuencia de procedimientos a ejecutar en un paciente con un conjunto particular de síntomas.
16 Sistema Línea de Ensamble Entidades 1.Trabajadores 2. Máquinas 3. Estaciones 4. Ensambles Atributos a. Estado [Ocioso(0) o Ocupado(1)] b. Asignada a estación (1,2,3,...) a. Estado [Ocioso(0), ocupado(1), espera reparación(2), reparación(3), en preparación(4)] b. Edad c. Tiempo de procesamiento a. Número en la cola (0,1,2,...) a. Fecha programada b. Ubicación
17 Sistema Hospital Entidades 1. Doctores 2.Enfermeras 3. Recursos 4. Pacientes Atributos a. Ubicación b. Estado c. Especialidad a. Ubicación b. Estado c. Especialidad a. Estado b. Tipo a. Ubicación b. Condiciones c. Tratamiento proyectado
18 Algunos Métodos desimulación Eventos discretos Se define el modelo cuyo comportamiento varía en instantes del tiempo dados. Los momentos en los que se producen los cambios son los que se identifican como los eventos del sistema o simulación. Montecarlo o simulación estadística Está basada en el muestreo sistemático de variables aleatorias. Continuas: Los estados del sistema cambian continuamente su valor. Estas simulaciones se modelan generalmente con ecuaciones diferenciales. Autómatascelulares: Se aplica a casos complejos, en los que se divide al comportamiento del sistema en subsistemas más pequeños denominadas células. El resultado de la simulación está dado por la interacción de las diversas células.
19 Sub-áreas de una Simulación Diseño del Modelo Modelos declarativos Modelos Funcionales Modelos de restricciones Modelos espaciales Algoritmos Aplicaciones Verificación Ejecución del Modelo Análisis de la ejecución Análisis inputoutput Diseño experimental Técnicas respuesta sup Visualización datos Validación
20 Proceso de Simulación : Etapas Definición, descripción del problema. Plan. Formulación del modelo. Programación. Validación del modelo. Diseño de experimentos y plan de corridas. Análisis de resultados
21 Etapas de la simulación Formular el problema NO Reunir datos y elaborar el modelo Programar el modelo CREACION DEL MODELO O SIMULADOR NO Está validada? SI SI Está verificada? Diseñar el experimento Desarrollar corridas Analizar los datos obtenidos NO Está completa? SI Documentar y poner en práctica USO DEL MODELO O SIMULA DOR
22 Simulación: Ventajas Es un proceso relativamente eficiente y flexible. Puede ser usada para analizar y sintetizar una situación real compleja y extensa. En algunos casos la simulación es el único método disponible. Los directivos requieren conocer como se avanza y que opciones son atractivas; el directivo con la ayuda la simulación puede obtener varias opciones de decisión. La simulación no interfiere en sistemas del mundo real. La simulación permite estudiar los efectos interactivos de los componentes individuales o variables para determinar las más importantes. La simulación permite la inclusión de complicaciones del mundo real y realizar comparaciones entre distintos escenarios y/ alternativas posibles.
23 Simulación: Desventajas Un buen modelo de simulación puede resultar bastante costoso; a menudo el proceso de desarrollar un modelo es largo y complicado. La simulación no genera soluciones óptimas a problemas de análisis cuantitativos, en técnicas como cantidad económica de pedido, programación lineal o PERT. Por ensayo y error se producen diferentes resultados en repetidas corridas en el computador. Los directivos generan todas las condiciones y restricciones para analizar las soluciones. El modelo de simulación no produce respuestas por si mismo. Cada modelo de simulación es único. Las soluciones e inferencias no son usualmente transferibles a otros problemas. Siempre quedarán variables por fuera y esas variables (si hay mala suerte) pueden cambiar completamente los resultados en la vida real que la simulación no previó... en ingeniería se "minimizan riesgos, no se evitan".
24 Lenguajes de Simulación Simulación Continua: 1130/CSMP, 360 CSMP y DYNAMO, MISTRAL Simulación a Eventos Discretos: GPSS, SIMSCRIPT, SDL/SIM. Para casos simples podemos recurrir a la utilización de planillas de cálculo. También podemos implementar aplicaciones en los lenguajes Fortran, C++, Java, Dephi,...
25 Lenguajes de Simulación vs lenguajes de Programación?
26 Por qué Simulación en Investigación Operativa? Los responsables de la toma de decisiones necesitan información cuantificable, sobre en diferentes hechos que puedan ocurrir. La simulación constituye una técnica económica que permite ofrecer varios escenarios posibles de un modelo del negocio. La simulación es una rama experimental dentro de la Investigación Operativa.
27 Método Montecarlo Surge en 1940, para verificar el comportamiento de los electrones y su difusión. El primer trabajo con el nombre Montecarlo method es de Von Neumann y Ulam, en Metodología para realizar simulaciones basada en muestras aleatorias. Se aplica a casos probabilísticos o determinísticos.
28 Algoritmo Montecarlo Determinar la/s V.A. y sus distribuciones acumuladas(f) Generar un número aleatorio uniforme (0,1). Determinar el valor de la V.A. para el número aleatorio generado. Iterar N veces o hasta converger. Calcular media y desviación estándar La convergencia se logra cuando el error e e = Media real - Media simulada α, α es parámetro
29 Algoritmo Montecarlo II Diseñar el modelo lógico de decisión Especificar distribuciones de probabilidad para las variables aleatorias relevantes. Incluir posibles dependencias entre variables. Muestrear valores de las variables aleatorias Calcular el resultado del modelo según los valores del muestreo (iteración) y registrar el resultado Repetir el proceso hasta tener una muestra estadísticamente representativa( o converger) Obtener la distribución de frecuencias del resultado de las iteraciones Calcular media, desvío
30 Ejemplo Número de consultas a un servidor de EIS
31 Ejemplo continuación La VA es la cantidad de consultas al servidor [0,00, 0,05) para el suceso 0 [0,05, 0,15) para el suceso 1 [0,15, 0,35) para el suceso 2 [0,35, 0,65) para el suceso 3 [0,65, 0,85) para el suceso 4 [0,85, 1,00) para el suceso 5
32 Ejemplo continuación
33 Ejemplo continuación ALEATORIO() BUSCARV
34 Ejemplo continuación PROMEDIO(H1:Hn) Analíticamente, si quisiéramos saber el número promedio de visitas calcularíamos:
35 Cálculo aproximado de π Inscribir un circulo en un cuadrado de lado 2. El radio del circulo será 1. El área del cuarto de círculo inscrito en el cuadrante positivo es igual a π /4. -1 Y 1 1 X Contaremos los puntos que caen en este cuarto del circulo -1
36 Cálculo aproximado de π Sorteamos un par de puntos (x, y) entre 0 y 1. Contamos cuantos puntos caen dentro del área del cuarto de círculo (In). Sabemos que six 2 +y 2 1el punto está adentro Repetimos ese procedimiento N veces. El valor estimado del área que queremos hallar es In/N ~ π /4 π~4*in/n. Para este caso Montecarlo es lento y poco preciso, es simplemente es un ejemplo del procedimiento.
37 Caso Práctico Utilizaremos Montecarlo Puro. Supongamos la siguiente distribución de probabilidades para la V.A. Demanda Frecuencia Acumulada Unidades 0,10 0,10 42,00 0,20 0,30 45,00 0,40 0,70 48,00 0,20 0,90 51,00 0,10 1,00 54,00 Realizaremos varias iteraciones, calcularemos media, desviación y error.también histograma.
38 Caso Práctico Transformación del N Aleatorio generado en el valor de la V.A.
39 Caso Práctico Resumen de las iteraciones Cantidad de simulaciones Media Desvio Error 10 48,60 3,41 1, ,12 3,16 0, ,87 3,28 0, ,87 3,30 0,03
40 Áreas de Aplicación Diseño de reactores nucleares Evolución estelar Física de materiales Métodos cuantitativos de organización industrial Teoría de Colas Criptografía Diseño de VLSI Ecología Econometría Pronóstico del índice de la Bolsa de valores Inventarios
41 Para recordar!!! Puntos importantes del método Montecarlo: Orden de aparición de los elementos en la simulación Cantidad de iteraciones para lograr la convergencia Método económico con buenos resultados para realizar simulaciones, de fácil comprensión. Es una técnica para generar distintos escenarios. No es una técnica de Optimización
42
43 Preguntas???
44 Referencias 1) A brief overview of what the Monte-Carlo method is and does. 2) Arsham H. System Simulation: The Shortest Route to Applications. 3) Barreto H. and Howland F. Introductory Econometrics via Monte Carlo Simulation with Microsoft Excel. 4) Bong D. Monte Carlo Simulation. 5) Bustamante A. Evaluación de riesgos mediante simulación Monte Carlo. 6) Deutsch, Leuangthong, Nguyen, Norrena, Ortiz, Oz, Pyrcz, and Zanon. Principles of Monte Carlo Simulation. 7) Eppen G., Gould F., Schmidt C., Mootre J., y Weatetherford L. Investigación de Operaciones en la Ciencia Administrativa. Editorial Prentice Hall. 5 Edición ) Hillier F, Lieberman G. Introducción a la Investigación de Operaciones. McGraw-Hill Editores ) Impact of Monte Carlo methods on scientific research. 10) Introduction to Monte Carlo Methods.
45 Referencias 11) Monte Carlo Simulation of Stochastic Processes. 12) Padilla Shannon Ho. Monte Carlo Method. 13) Quasi Monte Carlo Simulation. 14) Real options with Monte Carlo Simulations. 15) Silvestre, Moreno, Toscana y Luis. Curso de Simulación Monte Carlo. III Encuentro Nacional de docentes de Investigación Operativa. Facultad de Cs. Económicas. Universidad Nacional delcentrodelaprovinciadebuenosaires ) Simulación. Introducción a la investigación de Operaciones. Facultad de Ingeniería. UDELAR. 17) H. Investigación de Operaciones una introducción. Editorial Prentice Hall. 6 edición ) Técnicas de Monte Carlo. 19) WWW VIRTUAL LIBRARY: RANDOM NUMBERS and MONTE CARLO METHODS SUBSECTION: MONTE CARLO METHODS. 20) Woller J. Basics of Monte Carlo Simulations. Univ. of Nebraska-Lincoln
S I M U L A C I Ó N M É T O D O M O N T E C A R L O
S I M U L A C I Ó N M É T O D O M O N T E C A R L O Simulación : es el proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito
Más detallesMODELOS DE INVESTIGACION DE OPERACIONES
MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos
Más detallesde Operaciones Área Académica: Sistemas Computacionales Tema: Tipos de Modelos en Investigación Profesor: I.S.C. Guadalupe Hernández Coca
Área Académica: Sistemas Computacionales Tema: Tipos de Modelos en Investigación de Operaciones Profesor: I.S.C. Guadalupe Hernández Coca Periodo: Julio Diciembre 2011 Keywords: investigation of operations,
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesNombre de la asignatura: Simulación. Créditos: Aportación al perfil
Nombre de la asignatura: Simulación Créditos: 2-4-6 Aportación al perfil Analizar, diseñar y gestionar sistemas productivos desde la provisión de insumos hasta la entrega de bienes y servicios, integrándolos
Más detallesSECUENCIA DIDÁCTICA. Módulo IV
SECUENCIA DIDÁCTICA Nombre de curso: Simulación de Sistemas Antecedente: Clave de curso: ECOM118 Clave de antecedente: Ninguna. Módulo IV Competencia de Módulo: Desarrollar programas de cómputo utilizando
Más detallesCarrera: INB Participantes. Representante de las academias de ingeniería industrial de. Academias Ingeniería Industrial.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de Operaciones II Ingeniería Industrial INB-0412 4-0-8 2.- HISTORIA
Más detallesPontificia Universidad Católica del Ecuador
Pontificia Universidad Católica del Ecuador Facultad de Ingeniería Escuela de Sistemas E-MAIL: dga@puce.edu.ec Av. 12 de Octubre 1076 y Roca Apartado postal 17-01-214 Fax: 593 2 299 16 56 Telf: 593 2 299
Más detallesCurso de Simulación de. Sistemas
Curso de Simulación de Sistemas Introducción a la Modelación y Simulación de Sistemas MSc. Ing. Julio Rito Vargas Avilés I Cuatrimestre 2015 Bibliografía 2 /62 El desarrollo de nuevas tecnologías en el
Más detallesTécnicas de validación y experimentación
Técnicas de validación y experimentación Clase nro 11 Introducción Todo modelo debe ser testeado para asegurarnos que es confiable, no tiene errores y que es aceptado por aquellos que lo van a usar. Luego
Más detalles1.- INTRODUCCIÓN TEORIA DE COLAS
1.- INTRODUCCIÓN TEORIA DE COLAS 1.1.- Introducción a la teoría de colas Tal y como se ha comentado anteriormente, los sistemas de colas son modelos de sistemas que proporcionan un servicio. Como modelo,
Más detallesNombre de la asignatura: Investigación de Operaciones II. Créditos: Aportación al perfil
Nombre de la asignatura: Investigación de Operaciones II Créditos: 2-2-4 Aportación al perfil Analizar, diseñar y gestionar sistemas productivos desde la provisión de insumos hasta la entrega de bienes
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesSílabo del curso Investigación Operativa II
Sílabo del curso Investigación Operativa II Marzo julio 2013 VI Ciclo Profesor Luis Miguel Sierra 1 I. Datos generales del curso Asignatura : Investigación Operativa II Código : 03145 Requisito : Investigación
Más detallesUNIVERSIDAD DE LOS LLANOS Facultad de Ciencias Básicas e Ingeniería Programa Ingeniería de Sistemas
CURSO: OPTIMIZACIÓN 1 SEMESTRE: VII 2 CODIGO: 602704 3 COMPONENTE: 4 CICLO: 5 AREA: Profesional 6 FECHA DE AROBACIÓN: 7 NATURALEZA: Teórica 8 CARÁCTER: Obligatorio 9 CREDITOS (RELACIÓN): 3 (1-1) 10 INTENSIDAD
Más detallesTema 2 Introducción a la Programación en C.
Tema 2 Introducción a la Programación en C. Contenidos 1. Conceptos Básicos 1.1 Definiciones. 1.2 El Proceso de Desarrollo de Software. 2. Lenguajes de Programación. 2.1 Definición y Tipos de Lenguajes
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesMETODOS CUANTITATIVOS IV
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA CENTRO UNIVERSITARIO DE ORIENTE CIENCIAS ECONÓMICAS PROGRAMA FIN DE SEMANA METODOS CUANTITATIVOS IV GUÍA PROGRAMÁTICA (EDICIÓN 2016) CHIQUIMULA, GUATEMALA ENERO 2016
Más detallesBreve introducción a la Investigación de Operaciones
Breve introducción a la Investigación de Operaciones Un poco de Historia Se inicia desde la revolución industrial, usualmente se dice que fue a partir de la segunda Guerra Mundial. La investigación de
Más detallesModelos, Simulación, y Optimización
Modelos, Simulación, y Optimización Aplicaciones en la industria, logística, y operaciones de negocios. Como ahorrar costos, reducir riesgos y obtener el máximo retorno de las inversiones Agenda Que es
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN
TÉCNICO SUPERIOR UNIVERSITARIO EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Desarrollo de Habilidades De Pensamiento
Más detallesIntroducción a la Ingeniería Básicas de Ingeniería
010-14-04 1 de 5 1. IDENTIFICACIÓN Nombre de la Asignatura Código Área Introducción a la Ingeniería 9900033 Básicas de Ingeniería Naturaleza No de Créditos TP Trabajo Presencial TD Trabajo Dirigido TI
Más detallesCAPITULO 1: PERSPECTIVE GENERAL DE LA
CONTENIDO CAPITULO 1: PERSPECTIVE GENERAL DE LA INVESTIGACION DE OPERACIONES 1 1.1 Modelos matemáticos de investigación de operaciones. 1 1.2 Técnicas de investigación de operaciones 3 1.3 Modelado de
Más detallesAño Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS
Año Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS Investigación de operaciones I UNIDAD Unidad I: Programación lineal Conjuntos convexos, propiedades. Solución gráfica del problema bidimensional
Más detallesDIPLOMADO. Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N.
DIPLOMADO Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N. Trabajo Final Propuesta Metodológica del área de Ciencias
Más detallesUNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS FORESTALES Y AMBIENTALES ESCUELA DE INGENIERIA FORESTAL RÉGIMEN ANUAL PROGRAMA
UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS FORESTALES Y AMBIENTALES ESCUELA DE INGENIERIA FORESTAL RÉGIMEN ANUAL PROGRAMA 1. IDENTIFICACIÓN DIRECCION DE OPERACIONES (NV) Prelación: Departamento: Ingeniería
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA NIVEL : LICENCIATURA CRÉDITOS : 7 CLAVE : ICAE13001731 HORAS TEORÍA : 3 SEMESTRE : QUINTO HORAS PRÁCTICA : 1 REQUISITOS
Más detalles4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC: A continuación se muestran los objetivos así como los mapas funcionales según la línea de acentuación y la línea
Más detallesPRINCIPIOS DEL MODELAJE DE SISTEMAS
16 de Enero de 2012 PRINCIPIOS DEL MODELAJE DE SISTEMAS (Parte 2) Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Análisis y Diseño de Sistemas José Luis
Más detallesLICENCIADO EN SISTEMAS COMPUTACIONALES. Este programa educativo se ofrece en las siguientes sedes académicas de la UABC:
LICENCIADO EN SISTEMAS COMPUTACIONALES Este programa educativo se ofrece en las siguientes sedes académicas de la UABC: Campus Campus Tijuana, Unidad Valle de las Palmas Nota: No ofertado a partir del
Más detallesTransporte I. 29 Hoja 1 de 4. Programa de: Código: 0029
29 Hoja 1 de 4 Programa de: Transporte I UNIVERSIDAD NACIONAL DE CÓRDOBA Facultad de Ciencias Exactas, Físicas y Naturales República Argentina Carrera: Ingeniería Civil Escuela: Ingeniería Civil. Departamento:
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS LICENCIATURA EN CONTADURÍA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS LICENCIATURA EN CONTADURÍA Área de formación: Disciplinaria. Unidad académica: Presupuestos. Ubicación: Séptimo Semestre. Clave: Total de horas: 5 Horas teóricas: 3 Horas
Más detalles2. Codificar de forma sistemática la secuencia de instrucciones en un lenguaje.
Modulo 1. Introducción a los lenguajes de programación La solución de problemas mediante en uso de un computador nos lleva a desarrollar programas o aplicaciones, la construcción de estos programas debe
Más detallesINVESTIGACIÓN OPERATIVA Resolución Nº 376/10 R. ANEXO Carga Horaria: 150 horas Programa vigente desde: 2011 Carrera Año Cuatrimestre
INVESTIGACIÓN OPERATIVA Resolución Nº 376/10 R. ANEXO Carga Horaria: 150 horas Programa vigente desde: 2011 Carrera Año Cuatrimestre INGENIERÍA EN SISTEMAS Tercero Segundo CORRELATIVA PRECEDENTE (*) CORRELATIVA
Más detallesTEMA 1. Introducción a las técnicas de modelado y simulación
TEMA 1. Introducción a las técnicas de modelado y simulación Objetivos Definir el concepto de simulación digital. Definir modelo matemático. Distinguir los diversos tipos de sistemas y modelos, desde el
Más detallesESTADÍSTICA I PRESENTACIÓN DE LA ASIGNATURA
ESTADÍSTICA I PRESENTACIÓN DE LA ASIGNATURA Descripción de la asignatura Estadística I El objetivo de la asignatura es proporcionar al estudiante conocimiento Departamento de Estadística y comprensión
Más detallesNombre de la asignatura: Arquitectura de Computadoras. Créditos: Aportación al perfil
Nombre de la asignatura: Arquitectura de Computadoras Créditos: Aportación al perfil Seleccionar y utilizar de manera óptima técnicas y herramientas computacionales actuales y emergentes. Identificar,
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.0 Semana 4.0 Optativa Prácticas 0 16 Semanas 64.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTADES DE ECONOMÍA E INGENIERÍA LICENCIATURA EN ECONOMÍA Y NEGOCIOS PROGRAMA DE ESTUDIO Investigación de Operaciones I P86 /P75 /P96 08 Asignatura: Clave Semestre
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesUNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA 299310 SIMULACION Wilson Almanza M. (Director Nacional) Protocolo Académico AÑO 2013 Director de curso: Ing.
Más detallesBloque 1. Contenidos comunes. (Total: 3 sesiones)
4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como
Más detallesCARTA DESCRIPTIVA (FORMATO MODELO EDUCATIVO UACJ VISIÓN 2020)
CARTA DESCRIPTIVA (FORMATO MODELO EDUCATIVO UACJ VISIÓN 2020) I. Identificadores de la asignatura Instituto: Departamento: Materia: Instituto de Ciencias Sociales y Administración Departamento de Ciencias
Más detallesPROGRAMA ASIGNATURA. Horas Cronológicas Semanales Presénciales Adicionales Total. Nº de Semanas (A) (B) (C=A+B) (D) (E=C*D) (F=E/27)
PROGRAMA ASIGNATURA Facultad: Carrera: INGENIERIA INGENIERIA EN CONSTRUCCION 1.- IDENTIFICACIÓN DE LA ASIGNATURA: a. Nombre: INVESTIGACION OPERATIVA b. Código: ICN 411 c. Nivel (semestre en que se ubica):
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1409 SEMESTRE: 4 (CUARTO) MODALIDAD
Más detallesPontificia Universidad Católica del Ecuador
. DATOS INFORMATIVOS FACULTAD: Facultad de Ciencias Administrativas y Contables CARRERA: Administración de Empresas Asignatura/Módulo: Investigación Operativa Código:859 Plan de estudios: A0 Nivel: 4 Prerrequisitos:
Más detallesAnálisis cuantitativo de los Riesgos del Proyecto con la simulación de Montecarlo. Francisco Malca Cuéllar
Análisis cuantitativo de los Riesgos del Proyecto con la simulación de Montecarlo Francisco Malca Cuéllar Acerca del Autor Francisco Malca Cuéllar es responsable de los proyectos de inversión a nivel nacional
Más detallesMétodos Numéricos. Carrera: BQM Participantes. Representantes de las academias de Ingeniería Bioquímica. Academia de Ingeniería
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Métodos Numéricos Ingeniería Bioquímica BQM - 0524 3-2-8 2.- HISTORIA DEL PROGRAMA
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesUNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE CIENCIAS DE LA COMUNICACIÓN
UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE CIENCIAS DE LA COMUNICACIÓN Carrera: Licenciatura en Periodismo Asignatura: Estadística Social Curso: 2 año Año lectivo: 2016 Carga horaria
Más detallesBLOQUE III: SENTIDO ESTADÍSTICO COMO OBJETO DE ENSEÑANZA/APRENDIZAJE. MODULO 6: Probabilidad MODULO 7: Estadística
BLOQUE III: SENTIDO ESTADÍSTICO COMO OBJETO DE ENSEÑANZA/APRENDIZAJE. MODULO 6: Probabilidad MODULO 7: Estadística 1 MODULO 6: Probabilidad 6.1. La probabilidad cuando se considera como contenido en Primaria
Más detallesTema I. La computación en el profesional de la Ingeniería
Tema I. La computación en el profesional de la Ingeniería Objetivo: El alumno describirá el desarrollo de la computación y de los beneficios que esto conlleva, para poderla emplear en sus quehaceres académicos
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2007 DIURNO INGENIERÍA DE SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2007 DIURNO INGENIERÍA DE SISTEMAS SEMESTRE ASIGNATURA 7mo PROCESOS ESTOCASTICOS CÓDIGO HORAS MAT-31414
Más detallesTEMA 1: SISTEMAS MODELADOS POR ECUACIONES DIFERENCIALES EN INGENIERÍA QUÍMICA. CLASIFICACIÓN. GENERALIDADES.
TEMA 1: SISTEMAS MODELADOS POR ECUACIONES DIFERENCIALES EN INGENIERÍA QUÍMICA. CLASIFICACIÓN. GENERALIDADES. 1. INTRODUCCIÓN. PLANTEAMIENTO DE PROBLEMAS EN INGENIERÍA QUÍMICA 2. PROBLEMAS EXPRESADOS MEDIANTE
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesUNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA. práctica, Total: 85 Horas a la semana: 5 teoría: 4 prácticas: 1 Créditos:
UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA Probabilidad y Estadística 18/01/10 Clave: 214 Semestre: 1 Duración del curso: semanas: 17 horas: 68 de teoría y 17 de práctica, Total: 85 Horas
Más detallesMétodos Cuantitativos I
GUÍA DOCENTE 2013-2014 Métodos Cuantitativos I 1. Denominación de la asignatura: Métodos Cuantitativos I Titulación GRADO EN ORGANIZACIÓN INDUSTRIAL Código 6220 2. Departamento(s) responsable(s) de la
Más detallesSISTEMAS DE APOYO A LA TOMA DE DECISIONES : DSS y EIS
IIC3712 GESTIÓN de las TEC. de INFORMACIÓN SISTEMAS DE APOYO A LA TOMA DE DECISIONES : DSS y EIS Ignacio Casas R. Escuela de Ingeniería Pontificia Universidad Católica de Chile Mayo, 2002 Qué es la Toma
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesEspecialidades en GII-TI
Especialidades en GII-TI José Luis Ruiz Reina (coordinador) Escuela Técnica Superior de Ingeniería Informática Mayo 2014 Qué especialidades tiene la Ingeniería Informática? Según las asociaciones científicas
Más detallesEspecialidad en Preparación y Evaluación de Proyectos
Especialidad en Preparación y Evaluación de Proyectos TEMARIO FASE TEÓRICA 1. Análisis contable para la evaluación de proyectos Proporcionar a los participantes las habilidades y capacidades para aplicar
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS EXACTAS Y NATURALES ESCUELA DE CIENCIAS QUIMICAS
1. DATOS INFORMATIVOS: PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS EXACTAS Y NATURALES ESCUELA DE CIENCIAS QUIMICAS MATERIA: ESTADISTICA II CODIGO: 12820 CARRERA: CIENCIAS QUIMICAS,
Más detallesSistemas de información Administrativa II
Sistemas de información Administrativa II UNIDAD 1 MSI. José Luis Llamas Cárdenas Ciclo de Vida Proceso de todo sistema de información Sistemas de Información El sistema informativo esta comprendido por
Más detallesIngeniería de Sistemas. Teoría de colas y juegos
Ingeniería de Sistemas Teoría de colas y juegos DEFINICIÓN Estudio analítico del comportamiento de líneas de espera. DEFINICIÓN OBJETIVOS DE LA TEORÍA DE COLAS Identificar el nivel óptimo de capacidad
Más detallesJosé Alfonso Delgado Gutiérrez Análisis sistémico: Su aplicación a las comunidades humanas Madrid
José Alfonso Delgado Gutiérrez Análisis sistémico: Su aplicación a las comunidades humanas Madrid. 10.11.01 INDICE Presentación Primera parte (conceptos básicos) 1.- Introducción. Evolución del pensamiento
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesPERFIL PROFESIONAL INGENIERÍA EN TECNOLOGÍA AMBIENTAL. Universidad Politécnica de Durango
PERFIL PROFESIONAL INGENIERÍA EN TECNOLOGÍA AMBIENTAL Universidad Politécnica de Durango I. Programa Educativo II. Requerimientos del Sector Productivo Ingeniería en Tecnología Ambiental Evaluación de
Más detallesUniversidad Centroccidental Lisandro Alvarado. Decanato de Ciencias y Tecnología Departamento de Sistemas
Universidad Centroccidental Lisandro Alvarado Decanato de Ciencias y Tecnología Departamento de Sistemas PROGRAMA INSTRUCCIONAL PROGRAMA: ANALISIS DE SISTEMAS DEPARTAMENTO: SISTEMAS ASIGNATURA: INTRODUCCIÓN
Más detallesSimulación. Problema del jardinero. Modelo de stock aleatorio. Camino crítico.
Simulación Temario de la clase Introducción. Generacion de variables aleatorias: método de la transformada inversa. Avance del tiempo de simulación. Determinación de la cantidad de iteraciones requeridas.
Más detallesRequerimientos de Software
Requerimientos de Software Ingeniería de Requerimientos Se define como el proceso de establecer los servicios que el consumidor requiere de un sistema y las restricciones sobre las cuales de funcionar
Más detallesPROGRAMA INSTRUCCIONAL ESTADÍSTICA
UNIVERSIDAD FERMIN TORO VICE RECTORADO ACADEMICO FACULTAD DE INGENIERIA ESCUELA DE MANTENIMIENTO MECÁNICO ESCUELA DE TELECOMUNICACIONES ESCUELA DE COMPUTACIÓN ESCUELA DE ELÉCTRICA PROGRAMA INSTRUCCIONAL
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS CARRERA: CIENCIAS DE LA INFORMÁTICA LÍNEA CURRICULAR: COORDINACIÓN: DEPTO. DE CIENCIAS DE LA INGENIERÍA.
Más detallesUniversidad Autónoma del Estado de México Licenciatura en Ingeniería en Sistemas Energéticos Sustentables
Universidad Autónoma del Estado de México Licenciatura en Ingeniería en Sistemas Energéticos Sustentables Programa de estudio de la unidad de aprendizaje: I. Datos de identificación Espacio educativo donde
Más detallesModelos Estocásticos. Simulación de fenómenos estocásticos. Simulación de fenómenos estocásticos. Definición. Por qué fenómenos estocásticos?
Definición Modelos Estocásticos Breve introducción Se denomina estocástico (del latín stochasticus, "hábil en hacer conjeturas") a un sistema cuyo comportamiento es intrínsecamente no determinístico. El
Más detallesPROGRAMA DE LA MATERIA: Investigación Operativa Módulos semanales 3 Días de dictado: L M M J V S 3
1 Técnico Superior en Análisis de Sistemas Plan 2003 Res: 6175/03 PROGRAMA DE LA MATERIA: Investigación Operativa 11318 Area: SISTEMAS Equipo Docente Silvio Hugo Solari Módulos semanales 3 Días de dictado:
Más detalles1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE
Practica 1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE I. INTRODUCCION Las planillas de cálculo se han
Más detallesProbabilidad y Estadística Descripción de Datos
Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad
Más detallesDiseño arquitectónico 1ª edición (2002)
Unidades temáticas de Ingeniería del Software Diseño arquitectónico 1ª edición (2002) Facultad de Informática objetivo Los sistemas grandes se descomponen en subsistemas que suministran un conjunto relacionado
Más detallesModelos de Inventarios
Modelos de Inventarios 1. Qué significa PERT? Program Evaluation Review Technique Técnica de Revisión de Evaluación de Programa 2. Qué significa las siglas C.E.P Cantidad Económica de Pedidos 3. Para qué
Más detallesPATRONES DE DISTRIBUCIÓN ESPACIAL
PATRONES DE DISTRIBUCIÓN ESPACIAL Tipos de arreglos espaciales Al azar Regular o Uniforme Agrupada Hipótesis Ecológicas Disposición al Azar Todos los puntos en el espacio tienen la misma posibilidad de
Más detallesPROGRAMA DE ESTUDIO ANALITICO CARRERA INGENIERÍAS DE SISTEMAS
República Bolivariana de Venezuela. Ministerio Del Poder Popular para la Defensa. Universidad Nacional Experimental Politécnica de la fuerza Armada Bolivariana U.N.E.F.A PROGRAMA DE ESTUDIO ANALITICO CARRERA
Más detallesDistribuciones muestrales. Distribución muestral de Medias
Distribuciones muestrales. Distribución muestral de Medias TEORIA DEL MUESTREO Uno de los propósitos de la estadística inferencial es estimar las características poblacionales desconocidas, examinando
Más detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua. Curso de Investigación de Operaciones
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones Profesor: MSc. Julio Rito Vargas Avilés. Presentación del Programa de Investigación de Operaciones Estudiantes:
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
PROGRAMA DE ESTUDIO ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: INVESTIGACIÓN DE OPERACIONES DEPARTAMENTO: CIENCIAS BÁSICAS DE LA INGENIERÍA ASIGNATURA: INVESTIGACIÓN
Más detallesCIDE, SA. RIF: J NIT: MODELO FUNCIONAL
MODELO FUNCIONAL SIGA C O NTE NlD O Introducción Aspectos Conceptuales Definición de modelo Requisitos de un Modelo Funcional Modelando la Funcionalidad del Sistema: Diagrama de Casos de Uso Definición
Más detallesSimulación. Unidad I: Introducción n a la Simulación 1.1 Definiciones e importancia de la simulación n en la ingeniería
1.1 Definiciones e importancia de la simulación n en la ingeniería Simulación es una técnica numérica para conducir experimentos en una computadora digital, los cuales requieren de ciertos tipos de modelos
Más detallesMÓDULO: MÉTODOS CUANTITATIVOS
MÓDULO: MÉTODOS CUANTITATIVOS 1.- Nombre del módulo y las asignaturas: Métodos Cuantitativos Econometría Avanzada Econometría Financiera 2.-Número de créditos ECTS: Econometría Avanzada: 6 ECTS. Econometría
Más detallesTema I. Introducción. Ciro el Grande ( A.C.)
1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente
Más detallesModelos de Equilibrio General Computable; El Enfoque Macro Micro
Modelos de Equilibrio General Computable; El Enfoque Macro Micro Martín Cicowiez (CEDLAS UNLP) Taller y Reuniones de Trabajo del Proyecto de Actualización e Institucionalización del MAMS Ecuador, Quito,
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS. CARRERA: INGENIERÍA EN INFORMÁTICA. ACADEMIAS: INVESTIGACIÓN DE OPERACIONES. COORDINACIÓN: DEPARTAMENTO
Más detallesESCUELA SUPERIOR POLITECNICA DEL LITORAL
Sistemas de Toma de Decisiones UNIDAD ACADÉMICA: CARRERA: ESPECIALIZACIÓN: ÁREA: TIPO DE MATERIA: EJE DE FORMACIÓN: Facultad de Ingeniería en Electricidad y Computación Ingeniería en Ciencias Computacionales
Más detallesConceptos básicos estadísticos
Conceptos básicos estadísticos Población Población, en estadística, también llamada universo o colectivo, es el conjunto de elementos de referencia sobre el que se realizan las observaciones. El concepto
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN ÁREA SISTEMAS INFORMÁTICOS.
TÉCNICO SUPERIOR UNIVERSITARIO EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN ÁREA SISTEMAS INFORMÁTICOS. HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Ingeniería de
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 13 Inferencia en una población Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar el procedimiento de pruebas en la inferencia estadística. Aplicar
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesCarrera: EMM Participantes Representante de las academias de ingeniería Electromecánica de los Institutos Tecnológicos.
1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Electromecánica EMM - 0528 3 2 8 2.- HISTORIA
Más detallesÍNDICE DE CONTENIDOS. sistema Los Subsistemas de la Empresa El entorno empresarial Funciones Directivas LA EMPRESA COMO SISTEMA. FUNCIONES DIRECTIVAS
ÍNDICE DE CONTENIDOS 1 2 3 4 5 6 Concepto y Propiedades de los Sistemas Tipología de los Sistemas Elementos Conceptuales de la empresa como sistema El entorno empresarial Funciones Directivas 1 Concepto
Más detalles