Variabilidad de los parámetros del ronquido en los dominios temporal y frecuencial en roncadores sanos y con Síndrome de Apnea Obstructiva del Sueño
|
|
- Alicia Quiroga Serrano
- hace 6 años
- Vistas:
Transcripción
1 Variabilidad de los parámetros del ronquido en los dominios temporal y frecuencial en roncadores sanos y con Síndrome de Apnea Obstructiva del Sueño Jordi Solà Soler, Raimon Jané Campos Dept. ESAII, CREB, Universitat Politècnica de Catalunya (jordi.sola@upc.edu, raimon.jane@upc.edu) José A. Fiz Fernández, José Morera Prat Servei de Pneumologia, Hospital Universitari Germans Trias i Pujol, Badalona (jafiz@ns.hugtip.scs.es) Resumen En los últimos años diversos estudios del ronquido mediante parámetros frecuenciales han mostrado diferencias significativas entre roncadores sanos y con Síndrome de Apnea Obstructiva del Sueño (OSAS). En la mayoría de estos estudios se analizó un número reducido de ronquidos y en los pacientes con OSAS sólo se analizaron ronquidos post-apneicos. Trabajos anteriores de nuestro grupo sugieren que los parámetros descriptivos del ronquido tienen mayor variabilidad a medida que la severidad del OSAS aumenta. En este trabajo analizamos la variabilidad del ronquido a través de la magnitud de la primera diferencia de los parámetros que lo describen, así como la influencia que ejerce el instante de producción de cada episodio en esta variabilidad. Se detectan y analizan todos los ronquidos presentes en registros de sonido respiratorio de larga duración (6h) de 9 roncadores sanos (5795 ronquidos) y 5 pacientes con OSAS (963 ronquidos). Los ronquidos se caracterizan a través de su intensidad sonora y de un conjunto de parámetros de la Densidad Espectral de Potencia (PSD). La variabilidad del ronquido está correlacionada con la severidad del OSAS (r>0.7) y es significativamente mayor en pacientes con OSAS (p<0.005). Se obtienen resultados similares cuando los ronquidos post-apneicos son excluidos del análisis. Los sujetos roncadores son clasificados con un modelo de regresión logística que se valida con el método de dejar uno fuera. El modelo se ha ajustado para tener una sensibilidad del 00% con el objetivo de discriminar a los sujetos que deben someterse a una polisomnografía nocturna. Palabras Clave: OSAS, Ronquido, Apnea, Parámetros de la PSD, Clasificación de pacientes, Regresión logística. INTRODUCCIÓN En los últimos años diversos estudios han encontrado diferencias en los parámetros espectrales del ronquido entre roncadores sanos y pacientes con Síndrome de Apnea Obstructiva del Sueño (OSAS). Estos estudios analizaron un número reducido de ronquidos y en los pacientes con OSAS sólo se incluyeron los ronquidos post-apneicos [,]. La hipótesis principal de nuestro trabajo es que se puede obtener información sobre la presencia y la severidad del OSAS exclusivamente a partir del análisis del ronquido, sin la necesidad de identificar apneas y ronquidos post-apneicos. En un estudio previo de la envolvente espectral de ronquidos normales y post-apneicos procedentes de segmentos de corta duración, se observó que la desviación estándar de la frecuencia y amplitud de algunos formantes era significativamente mayor en pacientes con OSAS [3]. En otro estudio con detección automática de ronquidos en señales de sonido respiratorio de larga duración se observó que la intensidad acústica y algunos parámetros de la Densidad Espectral de Potencia (PSD) también tenían una mayor variabilidad en OSAS [4]. En este trabajo se analiza la variabilidad de la intensidad acústica y de los parámetros de la PSD del ronquido cuantificando la amplitud de la diferencia de valores entre ronquidos sucesivos. Esta técnica se aplicó a los formantes de la envolvente espectral en un trabajo previo [6]. En esta ocasión se analiza también la influencia de los instantes de producción de cada ronquido en la variabilidad observada. Los ronquidos normales y post-apneicos se estudian conjuntamente pero también de forma separada. La técnica se aplica a todos los ronquidos detectados en registros de sonido respiratorio de larga duración. MATERIAL Y MÉTODOS El sonido respiratorio se ha adquirido con un sensor de contacto piezoeléctrico situado en un lateral del cartílago cricotiroideo, amplificado, filtrado en la banda Hz y digitalizado a una frecuencia de muestreo F s 5KHz con un conversor A/D de bits. Se han analizado un total de 5795 ronquidos (755 ± 35) de 9 roncadores sanos y 963 ronquidos (365 ± 943) de 5 pacientes con OSAS (Tabla I). Los episodios de ronquido fueron seleccionados por un detector automático [4]. Las falsas detecciones se eliminaron con una validación manual posterior. En el dominio del tiempo se ha calculado la intensidad media y máxima de cada ronquido (I med and I max ) tal como se describe en [5]. En el dominio
2 frecuencial se ha estimado la PSD de cada ronquido, S x (f), mediante un periodograma Welch con una ventana Hanning de 04 muestras y con un solapamiento del 50%. La forma de la PSD se ha caracterizado a través del siguiente conjunto de parámetros: FCent RP f f FMedian FMax CSymm F { F S ( f ) df 0.5 S ( f ) df } 0 F { F S ( f ) df 0.95 S ( f ) df } 0 f 3 DevStd R Re st / 3 f f f donde CSymm significa Coeficiente de Simetría. Los ratios de potencia en una banda de frecuencias se calculan con respecto a la energía total (RP) y con respecto al resto de energía fuera de la banda (Rrest). Las bandas [0,500) Hz, [00,500) Hz y [0,800) Hz han sido analizadas. TABLA I CARACTERÍSTICAS DE LOS SUJETOS RONCADORES (BMI: Índice de Masa Corporal, AHI: Índice de Apnea-Hipoapnea) RONCADORES SANOS Paciente Sexo Edad BMI AHI Ronquidos S M S M S3 M S4 M S5 F S6 M S7 M S8 M S9 M Valor Medio Desv. Estándar PACIENTES CON OSAS Paciente Sexo Edad BMI AHI Ronquidos O M O M O3 M O4 M O5 M O6 M O7 F O8 M O9 M O0 M O M O M O3 M O4 M O5 M Valor Medio Desv. Estándar El valor medio y la desviación estándar (S) de estos parámetros se han calculado para cada paciente utilizando todos los ronquidos detectados. Para caracterizar mejor la variabilidad local de los parámetros del ronquido, se lleva a cabo un análisis diferencial ronquido a ronquido. Para cada parámetro P s(i) del ronquido i-ésimo s(i), la primera diferencia dp s(i) P s(i) P s(i-) se ha calculado entre este ronquido y el ronquido previo. Las diferencias dp s(i) también se calculan con respecto a la diferencia de tiempo dt s(i) entre los instantes de producción t s(i) de ronquidos sucesivos: dt s(i) t s(i) - t s(i-) A través de la diferencia de tiempos dt, los ronquidos de un paciente se han dividido en dos grupos de la forma siguiente: (Fig.): G G { s( i) dts ( i) 0s} { s( i) dt < 0s, s( i ) G } s ( i ) Con esta división los primeros ronquidos después de una apnea (ronquidos post-apneicos) son excluidos de grupo G. El grupo G contiene tanto ronquidos post-apneicos como el primer ronquido que aparece después de un período de respiración no roncante (inspiración y espiración). Para los ronquidos del grupo G, la serie temporal dp/dt se ha calculado utilizando la diferencia de tiempos dt G entre ronquidos sucesivos de este grupo (Fig.). dt 0s dt G 7s dt<0s dt G dt 0s Fig.. Ejemplo de ronquidos del (dt<0s) y del (dt 0s) del paciente O5. Cuando se analizan los ronquidos del, la diferencia de tiempos se ha considerado entre ronquidos consecutivos de este grupo (dt G ). Para cada parámetro P, las series temporales dp y dp/dt ( dtp) oscilan alrededor de cero. Su amplitud se cuantifica mediante la Desviación Estándar (S) y el Rango Intercuartílico (IQ), o bien utilizando todos los ronquidos detectados en el paciente, o bien utilizando los ronquidos de los grupos G o G. Para analizar la independencia de poblaciones, entre roncadores sanos (AHI<0h - ) y pacientes con OSAS (AHI 0h - ), se utiliza el test U de Mann-Whitney. También se calcula el coeficiente de correlación lineal r con el AHI. Por último, se realiza una clasificación estadística de sujetos roncadores mediante regresión logística.
3 a) b) Fig.. Evolución temporal de (a) FMedian y (b) su primera diferencia en el roncador S3 y en el paciente con OSAS O6. TABLA II (a) TODOS LOS RONQUIDOS DESVIACIÓN ESTÁNDAR DE LOS PARÁMETROS DE LA PSD SImax Sfmedian SFCent SFmax SDevStd SCSymm SRP_5 SRrest_5 m s m s p (U-MW) r (AHI) (b) TODOS LOS RONQUIDOS AMPLITUD DE LA PRIMERA DIFERENCIA DE LOS PARÁMETROS DE LA PSD SdImax SdFMedian IQdFCent IQdFMax SdDevStd SdCSymm IQdRP_5 SdRrest_5 m s m s p (U-MW) r (AHI) (c) TODOS LOS RONQUIDOS AMPLITUD DE LA PRIMERA DIFERENCIA DE LOS PARÁMETROS RESPECTO AL TIEMPO SdtImax SdtFMedian SdtFCent IqdtFMax SdtDevStd SdtCSymm IQdtRP_5 SdtRrest_5 m s m s p (U-MW) r (AHI) (d) RONQUIDOS DEL GRUPO - AMPLITUD DE LA PRIMERA DIFERENCIA DE LOS PARÁMETROS DE LA PSD SdImax SdFMedian IQdFCent IqdFMax SdDevStd SdCSymm IQdRP_5 SdRrest_5 m s m s p (U-MW) r (AHI) (e) RONQUIDOS DEL GRUPO - AMPLITUD DE LA PRIMERA DIFERENCIA DE LOS PARÁMETROS RESPECTO AL TIEMPO SdtImax SdtFMedian SdtFCent IqdtFMax SdtDevStd IQdtCSymm IQdtRP_5 SdtRrest_5 m s m s p (U-MW) r (AHI) : Roncadores Sanos. : Pacientes con OSAS. p: Significación estadística en el test U de Mann-Whitney. r: Coeficiente de correlación con el Índice de Apnea-Hipoapnea (AHI).
4 3 RESULTADOS Se observa una gran variabilidad en los parámetros del ronquido a lo largo de la noche, con cambios considerables en su valor medio (Fig.-a). La desviación estándar clásica de la mayoría de estos parámetros no es significativamente diferente entre roncadores sanos y pacientes con OSAS, y está poco correlacionado con el AHI, excepto en el caso de CSymm (p0.05,r0.3) y el ratio de potencia en la banda Hz, Rrest_5 (p0.0,r-0.59) (Tabla II-a). La primera diferencia de los parámetros del ronquido presenta una evolución temporal mucho más regular (Fig.-b). En la mayoría de parámetros, esta diferencia tiene una mayor amplitud en los pacientes con OSAS (p<0.005). En algunos parámetros, el mejor p-valor se obtiene cuando la amplitud de la primera diferencia se mide por la desviación estándar (SdImax, SdCSymm) y en otros se obtiene cuando se mide por el intervalo intercuartílico (IQdFCent, IQdFMax). En todos los casos, la variabilidad local de los parámetros del ronquido medida por la primera diferencia está correlacionada con el AHI (r 0.7, Tabla II-b). Cuando la misma primera diferencia se calcula con respecto al tiempo (dp/dt) la significación estadística y la correlación con el AHI es menor en la mayoría de parámetros (Tabla II-c). Para determinar hasta qué medida la mayor amplitud de la primera diferencia de los parámetros del ronquido en los OSAS es debida al efecto de los ronquidos post-apneicos que se producen en una situación especial y siempre están alejados más de 0s del ronquido precedente se han analizado los ronquidos de forma separada en dos grupos G y G. Cuando se consideran sólo los ronquidos del, la primera diferencia aún tiene una amplitud mayor en pacientes con OSAS para la mayoría de parámetros, aunque el p-valor y la correlación con el AHI son ligeramente menores (Tabla II-d) que al considerar todos los ronquidos (Tabla II-a). Esto indica que las diferencias significativas no están sólo originadas por los ronquidos post-apneicos, sino que también aparecen cuando se analizan únicamente los ronquidos normales. En el, la diferencia de tiempo entre instantes de producción del ronquido puede tener un efecto positivo en las diferencias poblacionales si se calcula como la diferencia de instantes de producción entre ronquidos consecutivos dentro de este grupo (dt G en la Fig.). En esta situación, la primera diferencia con respecto al tiempo (dp/dt) de la mayoría de parámetros tiene una mayor amplitud en pacientes con OSAS, con una significación mayor y un mejor coeficiente de correlación que cuando se estudian todos los ronquidos a la vez (Tabla II-e). En la clasificación de sujetos roncadores mediante regresión logística, los mejores resultados se obtienen con el conjnto de parámetros {SdImax, SdDevStd, SdCSymm} utilizando todos los ronquidos, y con el conjunto {SdtImax, SdtFMedian, SdtFCent} utilizando los ronquidos de G. En todos los casos, el umbral de probabilidad para clasificar pacientes fue de 0.5, lo cual permitió la correcta clasificación del 00% de los pacientes con OSAS en los modelos óptimos. Disponer de un modelo de clasificación con una alta sensibilidad resulta muy útil para realizar un screening que identifique a los sujetos roncadores que deben someterse a un estudio polisomnográfico. El porcentaje del 00% de pacientes con OSAS bien clasificados se mantiene durante la validación cruzada del modelo cuando se tienen en cuenta todos los ronquidos, a costa de una peor clasificación (57,%) en roncadores sanos (Tabla III-a). Cuando se consideran únicamente los ronquidos del, el porcentaje de acierto en los pacientes con OSAS se reduce al 80% en la validación (Tabla III-b). TABLA III RESULTADOS DE LA CLASIFICACIÓN DE PACIENTES MEDIANTE REGRESIÓN LOGÍSTICA (a) TODOS LOS RONQUIDOS PRIMERA DIFERENCIA DE LOS PARÁMETROS MODELO ÓPTIMO VALIDACIÓN DEJANDO UNO FUERA Original 0 5 Original 0 5 (b) RONQUIDOS DEL GRUPO PRIMERA DIFERENCIA DE LOS PARÁMETROS CON RESPECTO AL TIEMPO MODELO ÓPTIMO VALIDACIÓN DEJANDO UNO FUERA 7 7 Original 0 5 Original 3
5 4 DISCUSIÓN Y CONCLUSIONES Cuando se utiliza la desviación estándar clásica para analizar la variabilidad del ronquido, sólo algunos parámetros del ronquido presentan diferencias significativas entre poblaciones (Tabla IIa). Este hecho ya se había observado en un estudio previo [4] y probablemente es debido a los cambios constantes en el valor medio de los parámetros (Fig.-a). La limitación anterior no se observa al analizar la variabilidad del ronquido por la primera diferencia de los parámetros, que muestra una evolución temporal más regular y es menos sensible a los cambios en el valor medio de los parámetros. Con esta técnica, los pacientes con OSAS tienen una variabilidad significativamente mayor que los roncadores sanos en la mayoría de parámetros del ronquido, ya sea en la intensidad sonora o en el dominio frecuencial. (Tabla II-b). Esta variabilidad aumenta con la severidad del OSAS medida por el AHI, en general con una correlación r>0.5. Este comportamiento ya se había observado en los parámetros derivados de la envolvente espectral del ronquido [3,6]. El incremento de apneas y ronquidos postapneicos a medida que el AHÍ aumenta puede explicar en parte una mayor variabilidad del ronquido en los OSAS. Pero el ronquido de estos pacientes también presentan una mayor variabilidad cuando se consideran sólo los ronquidos normales (Tabla II-d). Este hecho puede indicar que en los pacientes con OSAS el propio mecanismo de producción del ronquido es más irregular e inestable a lo largo del tiempo. Si embargo, cuando la primera diferencia de los parámetros del ronquido se calcula con respecto a la diferencia de instantes de producción (dp/dt), la diferencia de amplitudes es menos significativa y está menos correlacionada con la severidad del OSAS (Tabla II-c). Así pues, los instantes de producción del ronquido parecen influir en la variabilidad observada en el resto de parámetros del ronquido. Pero cuando se analizan sólo los ronquidos del, la diferencia de instantes de producción entre ronquidos sucesivos dentro de este grupo (dt G ) tiene un efecto amplificador sobre la variabilidad de los parámetros del ronquido (Tabla II-e). Esto puede ser debido al hecho de que, a medida que el AHI aumenta, el número de ronquidos normales ( ) tiende a disminuir, de forma que los ronquidos del tienden a estar más próximos. Como conclusión, la primera diferencia de los parámetros del ronquido es un técnica prometedora para cuantificar la variabilidad del ronquido durante la noche, la cual parece aumentar progresivamente con la severidad del OSAS. Con esta técnica y un modelo de regresión logística, se puede llevar a cabo un screening que identifique a los sujetos roncadores que deben someterse a un estudio polisomnográfico. Agradecimientos Este trabajo ha sido financiado en parte por fondos del Ministerio de Educación y Ciencia y del FEDER (TEC C0-0), y por la Red Científica RESPIRA del Instituto de Salud Carlos III. Referencias [] Pérez-Padilla JR, Slawinski E, Difrancesco LM, Feige RR, Remmers JE, Whitelaw WA, Characteristics of the snoring noise in patients with and without sleep apnea. Am Rev Respir Dis, 993, 47, [] Fiz J A, Abad J, Jané R, Riera M, Mañanas M A, Caminal P, Rodenstein D, Morera J, Acoustic analysis of snoring sound in patients with simple snoring and obstructive sleep apnoea. Eur Respir J, 996, 6, [3] Solà-Soler J, Jané R, Fiz J A, Morera J, Spectral envelope analysis in snoring signals from simple snorers and patients with Obstructive Sleep Apnea. Proceedings of the 5th Ann. Intl. Conf. of the IEEE EMBS, 003, Vol 3, [4] Jané R, Fiz J A, Solà-Soler J, Blanch S, Artís P, Morera J, Automatic snoring signal analysis in sleep studies. Proceedings of the 5th Ann. Intl. Conf. of the IEEE EMBS, 003, Vol., [5] Solà-Soler J, Jané R, Fiz J A, Morera J, Snoring sound intensity study with ambient and tracheal microphones. Proceedings of the 3rd Ann. Intl. Conf. of the IEEE EMBS, 00, Vol., [6] Solà-Soler J, Jané R, Fiz J A, Morera J, Aplicación de la envolvente espectral del ronquido a registros de larga duración para la clasificación de roncadores sanos y con Apnea Obstructiva del Sueño, V Jornadas de Automática, 004.
Análisis de la envolvente espectral del ronquido en pacientes con Apnea Obsructiva del Sueño y roncadores sanos
1 de 11 Análisis de la envolvente espectral del ronquido en pacientes con Apnea Obsructiva del Sueño y roncadores sanos Jordi Solà Soler, Raimon Jané Campos Dept. ESAII, CREB, Universitat Politècnica de
Más detallesGráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado
Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso
Más detallesPRÁCTICA DE CHATTER SUPERVISIÓN AUTOMÁTICA DE PROCESOS
PRÁCTICA DE CHATTER SUPERVISIÓN AUTOMÁTICA DE PROCESOS Desarrollar un sistema capaz de supervisar un proceso y en caso necesario, intervenir para corregirlo si su evolución no es aceptable. Es necesario
Más detallesDETERMINACIÓN DE PARÁMETROS CARACTERÍSTICOS DE LAS ONDAS SÍSMICAS PARA APLICAR TÉCNICAS DE RECONOCIMIENTO
DETERMINACIÓN DE PARÁMETROS CARACTERÍSTICOS DE LAS ONDAS SÍSMICAS PARA APLICAR TÉCNICAS DE RECONOCIMIENTO José Antonio Peralta, Porfirio Reyes López y Adolfo Helmut Rudolf Navarro Departamento de Física
Más detallesIntroducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
Más detallesVictrola de La Transformada de Fourier
Victrola de La Transformada de Fourier p. 1/2 Victrola de La Transformada de Fourier Introducción para Músicos Juan I Reyes juanig@maginvent.org artelab Laboratorios de Artes Electrónicas Victrola de La
Más detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
Más detallesEjercicio 1 (20 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Examen Montevideo, 15 de diciembre de 2015. Nombre: C.I.: EXAMEN Libre Reglamentado El examen consta de dos partes. La primera parte debe ser realizada
Más detallesMANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL
MANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL Israel J. Thuissard David Sanz-Rosa IV JORNADAS INVESTIGACIÓN COEM UNIVERSIDADES 4 de marzo de 2016 Escuela de Doctorado e Investigación. Vicerrectorado
Más detallesCaracterísticas técnicas AirScope TT
AirScope TT www.daselsistemas.com Fecha Revisión: 04/05/2015 ÍNDICE 1 CANALES... 3 2 PULSER... 3 3 MODOS DE DISPARO... 3 4 COMPENSACIÓN DE LA ATENUACIÓN... 3 5 SEÑALES DE CONTROL... 3 6 RECEPTOR... 4 7
Más detallesPuede ser apnea del sueño? Una guía sencilla para valorar si presenta riesgo de padecer apnea del sueño
Puede ser apnea del sueño? Una guía sencilla para valorar si presenta riesgo de padecer apnea del sueño Guía de evaluación del S: evaluación del riesgo 1 Qué es síndrome de la apnea hipopnea del sueño
Más detallesII. 2. Análisis manual de imágenes médicas: Análisis de la curva ROC (Receiver Operating Characteristic).
II. 2. Análisis manual de imágenes médicas: Análisis de la curva ROC (Receiver Operating Characteristic). Psicofísica: calidad física de una imagen médica y calidad del diagnóstico El análisis de la curva
Más detallesLd, Le y Ln : índices de inmisión de ruido en los periodos de día, tarde y noche, respectivamente.
1. Ámbito de aplicación Este anexo se aplica a los niveles de ruido de cada uno de los emisores acústicos cuando el ruido procede de uno o diversos emisores acústicos situados en el propio edificio, en
Más detallesVALIDACIÓN DE DATOS. Rangos de Validación. Introducción
VALIDACIÓN DE DATOS Introducción Una vez recibidos los datos de las estaciones y antes de incorporarlos a las bases de datos, para su almacenamiento y publicación, y buscando minimizar el número de datos
Más detallesEstimación de la evolución de proyectos en el ámbito de la producción industrial mediante la parametrización de la curva S del coste acumulado
Estimación de la evolución de proyectos en el ámbito de la producción industrial mediante la parametrización de la curva S del coste acumulado Contenido Qué vamos a ver? Introducción Antecedentes Objetivos
Más detallesAspectos básicos de la tecnología utilizada en los estudios de sueño
Aspectos básicos de la tecnología utilizada en los estudios de sueño Ramon Farré Unitat de Biofísica i Bioenginyeria Facultat de Medicina, UB CIBER Respiratorio La polisomnografía (PSG) consiste en el
Más detallesEconometría III Examen. 29 de Marzo de 2012
Econometría III Examen. 29 de Marzo de 2012 El examen consta de 20 preguntas de respuesta múltiple. El tiempo máximo es 1:10 minutos. nota: no se pueden hacer preguntas durante el examen a no ser que sean
Más detallesESTADÍSTICA DESCRIPTIVA Y PRESENTACIÓN DE RESULTADOS DE UNA INVESTIGACIÓN (PARTE I)
ESTADÍSTICA DESCRIPTIVA Y PRESENTACIÓN DE RESULTADOS DE UNA INVESTIGACIÓN (PARTE I) DR SEBASTIÁN GENERO APS, EPIDEMIOLOGÍA E INFORMÁTICA II sebastiangenero@gmail.com sebastiangenero@hotmail.com Objetivos
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
Más detallesAnálisis de datos en los estudios epidemiológicos III Correlación y regresión
Análisis de datos en los estudios epidemiológicos III Correlación y regresión Salinero. Departamento de Investigación Fuden Introducción En el capitulo anterior estudiamos lo que se denomina estadística
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS
ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS 3datos 2011 Variables CUANTITATIVAS Números con unidad de medida (con un instrumento, o procedimiento, de medición formal) Ej.: Tasa cardiaca;
Más detallesTECNOLOGIAS DE LA VOZ
DEPARTAMENTO DE INGENIERÍA ELECTRÓNICA Y COMUNICACIONES CENTRO POLITÉCNICO SUPERIOR UNIVERSIDAD DE ZARAGOZA TECNOLOGIAS DE LA VOZ 5000 0-5000 señal original 200 250 300 350 Señal sintetizada 10000 5000
Más detallesDISEÑO E IMPLEMENTACIÓN DE UN ALGORITMO PARA DETECCIÓN DE APNEAS DEL SUEÑO, BASADO EN SEÑALES RESPIRATORIAS DERIVADAS DE ELECTROCARDIOGRAMA
DISEÑO E IMPLEMENTACIÓN DE UN ALGORITMO PARA DETECCIÓN DE APNEAS DEL SUEÑO, BASADO EN SEÑALES RESPIRATORIAS DERIVADAS DE ELECTROCARDIOGRAMA RUIZ QUINTEROS MONICA ALEXANDRA monicaruizquinteros@gmail.com
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 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 detallesPREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2
PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos
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 detallesMINISTERIO DE EDUCACIÓN. Dirección de Educación Técnica y Profesional. Familia de especialidades:servicios. Programa: Estadística Matemática
MINISTERIO DE EDUCACIÓN Dirección de Educación Técnica y Profesional Familia de especialidades:servicios Programa: Estadística Matemática Nivel: Técnico Medio en Contabilidad. Escolaridad inicial: 9no.
Más detallesDEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso
DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso 2009-10 1. Generalidades Instrumentación: En general la instrumentación comprende todas las técnicas, equipos y metodología relacionados con
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesPRÁCTICA 1 MODULACIONES LINEALES Modulación en doble banda Lateral: DBL Modulación en banda Lateral Única: BLU
PRÁCTICA 1 MODULACIONES LINEALES 1.1.- Modulación de Amplitud: AM 1.2.- Modulación en doble banda Lateral: DBL 1.3.- Modulación en banda Lateral Única: BLU Práctica 1: Modulaciones Lineales (AM, DBL y
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO CONTENIDO DE CARTA DESCRIPTIVA 1.- IDENTIFICACIÓN Curso: Bioestadística Programa: Doctorado en Inmunobiología
Más detallesTema 2: modulaciones analógicas y ruido (sol)
TEORÍA DE LA COMUNICACIÓN Tema 2: modulaciones analógicas y ruido (sol) 2.1 La señal x(t), cuyo espectro se muestra en la figura p.1(a), se pasa a través del sistema de la figura p.1(b) compuesto por dos
Más detallesTEMA 2: MODULACIONES LINEALES
TEMA 2: MODULACIONES LINEALES PROBLEMA 1 La señal x(, cuyo espectro se muestra en la figura 2.1(a), se pasa a través del sistema de la figura 2.1(b) compuesto por dos moduladores y dos filtros paso alto.
Más detallesTema 7. Otras medidas descriptivas usuales Ejercicios resueltos 1
Tema 7. Otras medidas descriptivas usuales Ejercicios resueltos 1 Ejercicio resuelto 7.1 Los siguientes datos se corresponden con los retrasos (en minutos) de una muestra de 30 vuelos de cierta compañía
Más detallesMINISTERIO DE EDUCACIÓN. Educación Técnica y Profesional. Familia de especialidades: Economía. Programa: Estadística
MINISTERIO DE EDUCACIÓN Educación Técnica y Profesional Familia de especialidades: Economía Programa: Estadística Nivel: Técnico Medio en Contabilidad. Escolaridad inicial: 12mo. Grado AUTORA MSc. Caridad
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesES B1. Aviso: ESPAÑA 11. Número de publicación: Número de solicitud: G01K 7/01 ( )
19 OFICINA ESPAÑOLA DE PATENTES Y MARCAS ESPAÑA 11 21 Número de publicación: 2 42 299 Número de solicitud: 12273 1 Int. CI.: G01K 7/01 (06.01) 12 PATENTE DE INVENCIÓN B1 22 Fecha de presentación: 23.02.12
Más detallesARTROPLASTIA DE CADERA
1 La degeneración articular de la esta causada fundamentalmente por la artrosis. La artrosis grave origina dolor y una importante limitación e incapacidad para el desarrollo de las actividades diarias.
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detallesEstadística para el análisis de los Mercados S3_A1.1_LECV1. Estadística Descriptiva Bivariada
Estadística Descriptiva Bivariada En el aspecto conceptual, este estudio puede ser generalizado fácilmente para el caso de la información conjunta de L variables aunque las notaciones pueden resultar complicadas
Más detallesCuestionario de Depresión Barcelona Evaluación y curso de la depresión
Cuestionario de Depresión Barcelona Evaluación y curso de la depresión Beatriz Pérez Basallo,, José Gutiérrez Maldonado y Marta Ferrer García Expone: Marta Ferrer García El objetivo principal de esta investigación
Más detallesEstadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar
Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación
Más detallesAnálisis matemático de la función de Nelson y Siegel
Anexos Anexo 1 Análisis matemático de la función de Nelson y Siegel La función que define el tipo forward según el modelo propuesto por Nelson y Siegel (1987) es la siguiente: con m 0 y τ 0. 1 > m m m
Más detalles4 Análisis de los principales factores AsociAdos A los resultados en ciencias. Portugal
la proporción de varianza entre escuelas del índice socioeconómico, resulta que en México es del 35 % mientras que en la OCDE es apenas del 24 %. Esto significa que en México existe una segregación de
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesUNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA CARÁCTER: Obligatoria PROGRAMA: Ingeniería Civil DEPARTAMENTO: Ciencias Básicas CODIGO SEMESTRE DENSIDAD HORARIA HT
Más detallesCAPÍTULO 4. ANÁLISIS DE LA INFLUENCIA DEL INTERVALO DE TIEMPO UTILIZADO EN EL SEGUIMIENTO EN LOS RESULTADOS DE LA PREVISIÓN
CAPÍTULO 4. ANÁLISIS DE LA INFLUENCIA DEL INTERVALO DE TIEMPO UTILIZADO EN EL SEGUIMIENTO EN LOS RESULTADOS DE LA PREVISIÓN En este capítulo se analiza la influencia del intervalo de tiempo utilizado para
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesEjercicio 1(10 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa
Más detallesRECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)
Caracterización de las fuentes y formación de escalas de tiempo Rec. UIT-R TF.538-3 1 RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesDIF MUNICIPAL DE AGUASCALIENTES
Compromiso 50 Implementar un Programa Piloto de Detección de Síndrome de Apnea Obstructiva del Sueño. Contenido Presentación.... 2 Objetivo general:... 2 Objetivos particulares:... 3 Organización y funciones:...
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesMETODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010
METODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010 SIMCE Unidad de Currículum y Evaluación Ministerio de Educación 2011 Índice 1. Antecedentes Generales 1 2. Metodología
Más detallesUnidad de Neuropsicología y Neurología de la Conducta
Unidad de Neuropsicología y Neurología de la Conducta Coordinador: Dr. Juan Martin Peralta Bahía Blanca. El sueño se podría definir como un estado conductual de desconexión perceptual, como una verdadera
Más detallesII Unidad Diagramas en bloque de transmisores /receptores
1 Diagramas en bloque de transmisores /receptores 10-04-2015 2 Amplitud modulada AM Frecuencia modulada FM Diagramas en bloque de transmisores /receptores Amplitud modulada AM En la modulación de amplitud
Más detallesRECOMENDACIÓN UIT-R P.1145 DATOS DE PROPAGACIÓN PARA EL SERVICIO MÓVIL TERRESTRE TERRENAL EN LAS BANDAS DE ONDAS MÉTRICAS Y DECIMÉTRICAS
Rec. UIT-R P.1145 1 RECOMENDACIÓN UIT-R P.1145 DATOS DE PROPAGACIÓN PARA EL SERVICIO MÓVIL TERRESTRE TERRENAL EN LAS BANDAS DE ONDAS MÉTRICAS Y DECIMÉTRICAS (Cuestión UIT-R 203/3) (1995) Rec. UIT-R P.1145
Más detallesLABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción
LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una
Más detallesFACULTAD DE CIENCIAS ECONOMICAS LIC. EN ADMINISTRACION CONTADOR PUBLICO ESTADISTICA
FACULTAD DE CIENCIAS ECONOMICAS LIC. EN ADMINISTRACION CONTADOR PUBLICO Programa ESTADISTICA Profesores: Titular: DI BENEDETTO OSVALDO H Adjunto: DI LAUDO SERGIO H. 2016 FACULTAD DE CIENCIAS ECONOMICAS
Más detallesUso de recursos y costes asociados a las exacerbaciones de EPOC: estudio retrospectivo de base poblacional
Uso de recursos y costes asociados a las exacerbaciones de EPOC: estudio retrospectivo de base poblacional Antoni Sicras 1, Alicia Huerta 2, Ruth Navarro 3, Jordi Ibañez 4 1. Dirección de Planificación.
Más detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Más detallesPOBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
Más detallesINTRODUCCIÔN A LA METROLOGÎA QUÎMICA
INTRODUCCIÔN A LA METROLOGÎA QUÎMICA CURVAS DE CALIBRACIÓN EN LOS MÉTODOS ANALÍTICOS María Antonia Dosal Marcos Villanueva Marzo 2008 Un procedimiento analítico muy utilizado en análisis cuantitativo es
Más detallesMOVIMIENTO ONDULATORIO
MOVIMIENTO ONDULATORIO 2001 1.- Un objeto de 0,2 kg, unido al extremo de un resorte, efectúa oscilaciones armónicas de 0,1 π s de período y su energía cinética máxima es de 0,5 J. a) Escriba la ecuación
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesMÓDULO 1: GESTIÓN DE CARTERAS
MÓDULO 1: GESTIÓN DE CARTERAS TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay una respuesta
Más detallesUNIVERSIDAD DE LOS ANDES FACULTAD DE ARQUITECTURA Y DISEÑO ESCUELA DE ARQUITECTURA
UNIVERSIDAD DE LOS ANDES FACULTAD DE ARQUITECTURA Y DISEÑO ESCUELA DE ARQUITECTURA DEPARTAMENTO DE TECNOLOGÍA DE LA CONSTRUCCIÓN AOPE Acondicionamiento Acústico Prof. Alejandro Villasmil Nociones Generales
Más detallesCapítulo 17 Análisis de correlación lineal Los procedimientos Correlaciones bivariadas y Correlaciones parciales
Capítulo 17 Análisis de correlación lineal Los procedimientos Correlaciones bivariadas y Correlaciones parciales Cuando se analizan datos, el interés del analista suele centrarse en dos grandes objetivos:
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesMEDIDAS DE VARIABILIDAD
MEDIDAS DE VARIABILIDAD 1 Medidas de variabilidad Qué son las medidas de variabilidad? Las medidas de variabilidad de una serie de datos, muestra o población, permiten identificar que tan dispersos o concentrados
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesMANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
Más detallesUNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera. Asignatura: Método Cuantitativo Empresarial
UNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera Asignatura: Método Cuantitativo Empresarial CLAVE: PDF-421 Prerrequisitos: Licenciatura No. de Créditos: 03 I. PRESENTACION El método
Más detallesDESARROLLO DE UN MODELO DE PREDICCIÓN DE DISCONFORT ACÚSTICO EN COCHES DE VEHÍCULOS DE ALTA VELOCIDAD
DESARROLLO DE UN MODELO DE PREDICCIÓN DE DISCONFORT ACÚSTICO EN COCHES DE VEHÍCULOS DE ALTA VELOCIDAD DEVELOPMENT OF A PREDICTION MODEL OF ACOUSTIC DISCOMFORT IN HIGH-SPEED TRAIN PASSENGER CARS Oriol Gibert
Más detallesES A1 A61N 1/39 A61B 5/0452 OFICINA ESPAÑOLA DE PATENTES Y MARCAS ESPAÑA. 11 Número de publicación:
19 OFICINA ESPAÑOLA DE PATENTES Y MARCAS ESPAÑA 11 Número de publicación: 2 232 223 21 Número de solicitud: 200200710 1 Int. Cl. 7 : A61B /046 A61N 1/39 A61B /042 12 SOLICITUD DE PATENTE A1 22 Fecha de
Más detallesDISTRIBUCIONES BIDIMENSIONALES
La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento
Más detallesUniversidad de Alcalá
Universidad de Alcalá Departamento de Electrónica CONVERSORES ANALÓGICO-DIGITALES Y DIGITALES-ANALÓGICOS Tecnología de Computadores Ingeniería en Informática Sira Palazuelos Manuel Ureña Mayo 2009 Índice
Más detalles1. Estudios observacionales. 2. Estudios experimentales. 1. Estudios transversales. 2. Estudios longitudinales (prospectivos o retrospectivos)
EL CONCEPTO DE CAUSALIDAD Cambio de paradigma de causa univoca a causa contributiva. La causa no produce por si sola un efecto, sino que aumenta la probabilidad de que éste se produzca. TIPOS DE EPIDEMIOLÓGICOS
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesAnálisis Descriptivo de los indicadores del CMBD del Sistema Nacional de Salud (SNS).
DOCUMENTACIÓN TÉCNICA septiembre 2009 Análisis Descriptivo de los indicadores del CMBD del Sistema Nacional de Salud (SNS). Dr. José Manuel Gutiérrez Instituto de Física de Cantabria (IFCA) CSIC - Universidad
Más detallesLos Gráficos de Control de Shewart
Los Gráficos de Control de Shewart La idea tradicional de inspeccionar el producto final y eliminar las unidades que no cumplen con las especificaciones una vez terminado el proceso, se reemplaza por una
Más detallesTema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION.
Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Distribuciones uni- y pluridimensionales. Hasta ahora se han estudiado los índices y representaciones de una sola variable por individuo. Son las distribuciones
Más detallesESTUDIO DE LOS TRASTORNOS DEL SUEÑO DE LOS PACIENTES CON FIBROMIALGIA
ESTUDIO DE LOS TRASTORNOS DEL SUEÑO DE LOS PACIENTES CON FIBROMIALGIA Investigadora principal: Dra. Marta Larrosa Padró Corporació Sanitària i Universitària Parc Taulí Duración: 3 años 1 1. Resumen La
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesFundamentos de audio digital
Fundamentos de audio digital Seminario de Audio 2005 Ernesto López Martín Rocamora Sistemas de audio digital Pilares de la digitalización: Muestreo Cuantización Tipos fundamentales de distorsión: Presencia
Más detalles3. En la Figura se aprecia parte del espectro magnitud de un tono puro modulado en FM. A partir de este espectro calcule:
3. En la Figura se aprecia parte del espectro magnitud de un tono puro modulado en FM. A partir de este espectro calcule: Figura 2 Magnitud del Espectro de la señal de FM Figura 3. Modulador de FM. Si
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Más detallesIdentificación de loci de caracteres. cuantitativos implicados en la morfogénesis. foliar en Arabidopsis thaliana
Universidad Miguel Hernández de Elche Identificación de loci de caracteres cuantitativos implicados en la morfogénesis foliar en Arabidopsis thaliana Salvador Bernal Torres Elche, 2003 JOSÉ LUIS MICOL
Más detallesZ i
Medidas de Variabilidad y Posición. Jesús Eduardo Pulido Guatire, marzo 010 Cuando trabajamos el aspecto denominado Medidas de Tendencia Central se observó que tanto la media como la mediana y la moda
Más detalles