4 METODOLOGIA ADAPTADA AL PROBLEMA
|
|
- Gloria Rivero Mora
- hace 6 años
- Vistas:
Transcripción
1 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 de las susceptacas de los elemetos geeradores/cosumdores de poteca reactva, de tal forma que matega los voltaes e los udos y los fluos de poteca a través de los trasformadores froteras detro de uos límtes y al msmo tempo dsmuya el valor de las pérddas de la red. Matemátcamete: m P Loss G ( cos ) 1 Las ecuacoes de la red so: P Q 1 1 ( G cos B se ) 0 1 ( G cos B se ) 0 1 Sometdas a las sguetes restrccoes: m G 1 G G G m 1 B m SH 1 BSH BSH SH m PQ PQ PQ 1 PQ Q m G 1 QG QG G 31
2 4.2 Descrpcó La resolucó estará basada e téccas de los algortmos evolutvos. La metodología propuesta es la sguete: Se crea ua poblacó de dvduos, cada dvduo es geerado aleatoramete detro de uos límtes establecdos. Cada dvduo es u valor cocreto de actuacó, es decr u valor cocreto para las tesoes de los geeradores, las tomas de los trasformadores y las suceptacas de las baterías de codesadores. Para cada dvduo se resuelve la red usado u algortmo de Newto-Raphso. De tal forma se determa la tesó de los udos de la red, así como los fluos de poteca y las pérddas que se obtee para ese dvduo. E fucó de estos datos se geera ua fucó que determa como de bueo es ese dvduo. E deftva, se le asoca u valor de bodad. Para calcular esa bodad se tee e cueta las tesoes de los udos, los fluos de poteca reactva y las pérddas de la red. La fucó obetvo que se mmza tee la forma: Ploss Q Dode: 1 1 Q ( Q Q fluo Q fluo Q fluo,, ) (,m fluo, ) 1 1 ( ) ( m ) 32
3 Lo que se persgue es mmzar ese valor, pero como el algortmo de evolucó dferecal está pesado para mzar etoces lo que se hace es mzar la versa del valor, de ese modo la bodad queda defda como: B 1 El térmo de las pérddas e la expresó de, está poderado de tal forma que sea el meos mportate de todos. De esta forma se asegura que lo prmero que se cumple so las restrccoes e las tesoes y e los fluos de reactva. El valor que se está usado por defecto es 0, 01. Así pues para cada dvduo se calcula la bodad correspodete; ua vez hecho esto se realza empareametos y mutacoes para obteer uevos dvduos a partr de la poblacó actual. Los dvduos de la poblacó orgara que so utlzados para crear los uevos posbles dvduos so elegdos al azar, pero de ua maera poderada basada e las bodades de los dvduos. De tal forma que el meor dvduo sea el que tega más probabldades de ser elegdo. Del msmo modo, al dvduo elegdo se le pealza su valor de la bodad para que e la sguete eleccó sea meos probable que salga elegdo. De esta forma se teta evtar que se pueda caer e máxmos locales. Otro parámetro que se puede modfcar es la probabldad de ser mutado. Es decr, ua vez elegdo e fucó de esa probabldad aterormete mecoada, se determa s realmete es utlzado para crear u uevo dvduo o o, s embargo su bodad será pealzada gualmete. Es també otro parámetro ecamado a tetar evtar caer e máxmos locales. Los métodos que se emplea para geerar la ueva geeracó de dvduos, que competrá co los atguos para formar ua ueva poblacó co los meores, so los sguetes: 33
4 Mutacoes al meor. Se realza u úmero determado de mutacoes al dvduo co meor bodad. Cada uevo dvduo geerado por este método posee los msmos valores de actuacoes que el orgal a excepcó de ua actuacó que será modfcada al azar, sempre mateédose detro los límtes establecdos para dcha varable. Mutacoes al azar. Su fucoameto es el msmo que el método ateror, co la úca dfereca de que el dvduo elegdo para geerar los uevos dvduos, o es sempre el que posea mayor bodad, so que es elegdo al azar, teedo lógcamete e cueta los valores de las bodades. Método evolucó dferecal. Es el más mportate, su fucoameto ha sdo ya descrto co aterordad. S embargo u obetvo de este trabao es ver s es posble meorar el comportameto del algortmo, añadedo métodos alteratvos de geeracó de uevos dvduos, al del los tres padres correspodete a la evolucó dferecal. Así msmo detro de este últmo exste dos varates (tal y como ha sdo ya explcado e otro apartado). Se mplemetará las dos varates, es decr e el método se calcula dvduos aplcado las dos varates. Método de cruce. E este método, para geerar el uevo dvduo se ecesta elegr a dos padres. Estos padres so elegdos al azar, tomado e cosderacó ua vez más la bodad de los dvduos de la poblacó de dvduos ateror para hacer esta eleccó. Ua vez elegdos, el uevo dvduo producdo es ua meda 34
5 poderada de estos dos dvduos. Así cada uevo valor de las actuacoes está formado por esa meda. Ua vez realzados todos estos métodos de mutacoes, se pasará a elegr la ueva poblacó de etre todos estos dvduos geerados y de los de la poblacó ateror. Ua vez elegda la ueva poblacó se vuelve a repetr todos los tpos de mutacoes para geerar otra futura poblacó ueva. Y así remos geerado uevas poblacoes hasta que el algortmo covera. Se cosderará que el método ha covergdo cuado se produzca dos poblacoes cosecutvas e las que el dvduo de meor bodad o haya sdo modfcado. 35
6 co Geeracó Aleatora Poblacó Cálculo Bodad de los dvduos Se crea ua ueva Poblacó, resultado de la mutacoes: -Al meor -Al Azar -ED1 -ED2 -Cruces Cálculo Bodad Nueva Poblacó Seleccó Poblacó co lo dvduos meores de las dos aterores No Covergeca? S F Fgura 8. Fucoameto Geeral del Algortmo 36
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 detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detallesINTRODUCCIÓN 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 detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesModelos 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 detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detallesSerie 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 detallesVARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Más detallesPráctica 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 detallesVARIABLE 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 detallesANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Más detallesMÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
Más detallesREGRESIÓN 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 detallesAproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
Más detallesMODELOS 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 detalles2.5. 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 detallesNOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos
Más detalles1.1 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 detallesResumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.
Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,
Más detallesTEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :
Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS
Más detalles3 = =. 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 detallesMUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1
MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo
Más detalles(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es
(Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua
Más detallesINSTITUTO 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 detalles4º 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 detallesPRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A
PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua
Más detallesANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral
ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar
Más detallesMEDIA 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 detallesLOS 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 detallesPARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción
Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar
Más detallesIV. GRÁFICOS DE CONTROL POR ATRIBUTOS
IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,
Más detallesUna Propuesta de Presentación del Tema de Correlación Simple
Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:
Más detallesV 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 detallesModelo Matemático Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores
Modelo Matemátco Multobjetvo para la Seleccó de ua Cartera de Iversó e la Bolsa Mexcaa de Valores José Crspí Zavala-Díaz, Marco Atoo Cruz-Chavez, Jorge Ruz Vaoye 3, Martí H. Cruz-Rosales 4 Facultad de
Más detallesCURSO REDES ELECTRICAS II 1 CAPITULO 4
CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto
Más detallesIntroducción a la simulación de sistemas discretos
Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas
Más detallesSimulación de sistemas discretos
Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...
Más detallesSolución 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 detallesTEMA 2: LOS NÚMEROS COMPLEJOS
Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado
Más detallesRENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
Más detallesEstadística Espacial. José Antonio Rivera Colmenero
Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su
Más detallesde los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u
FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:
Más detallesRENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.
Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras
Más detallesSoluciones de los ejercicios de Selectividad sobre Inferencia Estadística de Matemáticas Aplicadas a las Ciencias Sociales II
Solucoes de los ejerccos de Selectvdad sobre Ifereca Estadístca de Matemátcas Aplcadas a las Cecas Socales II Atoo Fracsco Roldá López de Herro * Covocatora de 006 Las sguetes págas cotee las solucoes
Más detallesAmpliación de Redes de Telefonía Básica
Amplacó de Redes de Telefoía Básca Carlos D. Almeda Uversdad Nacoal de Asucó. Sa Lorezo, Paraguay cdad@eee.org Nlto R. Amarlla Uversdad Nacoal de Asucó. Sa Lorezo, Paraguay dmatest@copaco.com.py Bejamí
Más detallesMEDIDAS 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 detallesCÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
Más detallesLos principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos
Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y
Más detallesCAPÍTULO 3 METODOLOGÍA. El objetivo del capítulo 3 es conocer la metodología, por lo cual nos apoyaremos en el
CAPÍTULO 3 METODOLOGÍA El objetvo del capítulo 3 es coocer la metodología, por lo cual os apoyaremos e el lbro de Smulato modelg ad Aalyss (Law, 000), para estudar alguas pruebas de bodad de ajuste. També
Más detallesANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de
Más detallesControl estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso
Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e
Más detalles4. 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 detallesDivisión de Evaluación Social de Inversiones
MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013
Más detallesTema 2: Modelos lineales de optimización con variables enteras.
Tema 2: Modelos leales de optmzacó co varables eteras. Objetvos del tema: Itroducr la programacó leal etera y los domos de aplcacó. Apreder a formular el modelo de u problema de programacó leal etera.
Más detallesJuegos finitos n-personales como juegos de negociación
Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos
Más detallesEstudio y optimización del algoritmo de ordenamiento Shellsort
Estudo y optmzacó del algortmo de ordeameto Sellsort Bejam Bustos Departameto de Cecas de la Computacó, Uversdad de Cle bebustos@dcc.ucle.cl Resume Este estudo aalza, e forma empírca, el desempeño del
Más detallesUNIVERSIDAD DE BUENOS AIRES
NIVERSIA E BENOS AIRES FACLTA E INGENIERÍA EPARTAMENTO E IRÁLICA Cátedra de Costruccoes dráulcas Tuberías e Sere y e Paralelo Ig. Lus E. Pérez Farrás - Novembre 003 - epartameto de dráulca Cátedra de Costruccoes
Más detallesUNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO
UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es
Más detalles2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros
. alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases
Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto
Más detallesGENERACION DE NUMEROS ALEATORIOS
GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua
Más detalles-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Más detallesTEMA 4: VALORACIÓN DE RENTAS
TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto
Más detallesIntroducción a la Programación Lineal
Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara
Más detallesAnálisis estadístico de datos muestrales
Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.
Más detallesGENERACIÓN TERMOELÉCTRICA. Cálculo de la toma de las extracciones de un ciclo de vapor
GNRCIÓN TRMOLÉCTRIC. Cálculo de la toa de las extraccoes de u cclo de apor ISML PRITO ÍNDIC D MTRIS CÁLCULO D LOS PUNTOS D TOM D LS XTRCCIONS PR QU L MJOR DL RNDIMINTO DL CICLO RGNRTIVO S MÁXIM. MJOR N
Más detallesMatemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria
Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó
Más detallesSIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33
SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio
Más detallesFlujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno
Fluo de Poteca DC co odelacó de Icertdumres Aplcado al Caso Chleo Resume Rodrgo Palma B. rodpalma@cec.uchle.cl Chrsta Jeldres H. celdres@cec.uchle.cl Area de Eergía Departameto de Igeería Eléctrca Uversdad
Más detallesSELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA
SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA Nura Padlla Garrdo Departameto de Ecoomía Geeral y Estadístca Uversdad de Huelva padlla@uhu.es Flor María Guerrero
Más detallesR-C CARGA Y DESCARGA DE UN CONDENSADOR
RC CARGA Y DESCARGA DE UN CONDENSADOR CONTENIDOS Estado trastoro de carga y descarga. Cálculo de la costate de tempo. Método de cuadrados mímos. Errores que se comete durate la evaluacó de τ OBJETIVOS
Más detallesActividad: Elabora un resumen de la información que se muestra a continuación y analiza los procedimientos que se muestran.
Actvdad: Elabora u resume de la formacó que se muestra a cotuacó y aalza los procedmetos que se muestra. Fudametos matemátcos de la electróca dgtal Sstemas de umeracó poscoales E u sstema de esta clase,
Más detallesMÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS
MÓDULO 1 LEYES DE DISTRIBUCIÓN DE PROCESOS HIDROLÓGICOS Autores: Dr. Ig. Roberto Pzarro T. Ig. Jua Pablo Flores V. Ig. Clauda Sagüesa P. Ig. Ezo Martíez A. 1. INTRODUCCIÓN El presete documeto fue extraído
Más detallesCONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN
INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES
Más detallesMétodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09
Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama
Más detallesMATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS
MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de
Más detallesAlgunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos
Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva
Más detallesTécnicas básicas de calidad
Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos
Más detalles11. Optimización no lineal con restricciones
. Optzacó o leal co restrccoes. Optzacó o leal co restrccoes Prcpos y teoreas para la búsqueda de óptos lobales Modelos co restrccoes de ualdad Codcoes de uh-tucker Alortos uércos báscos Prcpos y teoreas
Más detalles2 - TEORIA DE ERRORES : Calibraciones
- TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto
Más detalles4. ESQUELETOS Y CAMINOS OPTIMALES...
. INTRODUCCION.... Qué es la Ivestgacó de Operacoes... 3. I.O como apoyo a la toma de decsoes... 5.3 Problemas tpo e Ivestgacó Operatva... 7. OPTIMIZACIÓN... 9. Itroduccó... 9. Covedad... 3.3 Optmos Locales
Más detallesCOMENTARIOS Y ANÁLISIS DEL FACTOR DE PRODUCTIVIDAD PROPUESTO POR OSIPTEL PARA EL PLAN DE REGULACIÓN POR PRECIOS TOPE 2004 2007
OMNTARIOS Y ANÁLISIS DL FATOR D PRODUTIVIDAD PROPUSTO POR OSIPTL PARA L PLAN D RGULAIÓN POR PRIOS TOP 2004 2007 APLIAIÓN D LA VARIABL M por Davd. M. Sappgto RSUMN JUTIVO ste forme preseta ua evaluacó de
Más detallesTEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA
UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-
Más detallesREGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión
REGREIÓN NO LINEAL Ídce. CUÁNDO EXITE REGREIÓN?.... TIPO DE REGREIÓN... 3. REPREENTATIVIDAD DE LA CURVA DE REGREIÓN... 3 3.. Poder explcatvo del modelo... 3 3.. Poder explcatvo frete a poder predctvo...
Más detallesValoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano
Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,
Más detallesUNIDAD 7 SERIES DE TIEMPO. Introducción a la unidad
UNIDAD 7 SERIES DE TIEMPO Itroduccó a la udad Ua sere de tempo es el cojuto de datos que se regstra a través del tempo sobre el comportameto de ua varable de terés, geeralmete los regstros se realza e
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores
Más detallesUNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS
Coceptos (cotedos soporte) Udad de trabajo sexta: Geeraldades. Retas auales costates. Retas costates fraccoadas. Retas varables. Udad de trabajo séptma Geeraldades. mortzacó de u préstamo por el sstema
Más detallesMETODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO
METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar
Más detallesLAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES
Rev.R.Acad.Cec.Exact.Fís.Nat. (Esp) Vol. 101, Nº. 1, pp 21-33, 2007 VII Programa de Promocó de la Cultura Cetífca y Tecológca LAS MATEMÁTICAS DE LOS SISTEMAS ELECTORALES FCO. JAVIER GIRÓN GONZÁLEZ-TORRE
Más detallesSegmentación de objetos en movimiento utilizando GPCA, técnicas algebraicas y flujo óptico para aplicaciones en espacios inteligentes
Segmetacó de obetos e movmeto utlzado GPCA, téccas algebracas y fluo óptco para aplcacoes e espacos telgetes Crsta Losada, auel azo, Sra Palazuelos Departameto de Electróca. Uversdad de Alcalá Alcalá de
Más detallesINTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO
INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS
Más detalles12º seminario AEDEMO sobre Audiencia de Televisión Palma de Mallorca, Febrero de 1996
º semaro AEDEMO sobre Audeca de Televsó Palma de Mallorca, Febrero de 996 LA PRECISIÓN ESTADÍSTICA EN EL PANEL DE AUDIMETRÍA Carlos Lamas ÍNDICE. INTRODUCCIÓN, TEORÍA Y CONCEPTOS. EFECTO DEL EQULILIBRAJE
Más detallesCENTRO DE MASA centro de masas centro de masas
CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se
Más detallesGuía para la Presentación de Resultados en Laboratorios Docentes
Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las
Más detallesSi los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:
Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral
Más detalles( ) = 0 entonces ˆ i i. xy x Y Y xy Y x ˆ. β = = β =.(1) Propiedades Estadísticas de los estimadores MICO. Linealidad.
Propedades Estadístcas de los estmadores MICO Lealdad ) y Y Y Y Y = = = β Y Dado que la = 0 etoces β =.) S defmos el poderador k =, co las propedades sguetes: a) No estocástco b) k = 0 c) k = k d) = kx
Más detalles