Modelos Probabilísticos de Valores Máximos en Hidrología: Un Nuevo Enfoque
|
|
- María Rosa Suárez Villanueva
- hace 6 años
- Vistas:
Transcripción
1 Modelos Probabilísticos de Valores Máximos en Hidrología: Un Nuevo Enfoque Agustín Felipe Breña Puyol UAM-IDepto de Ingeniería de Procesos e Hidráulica Resumen adicionalmente los modelos probabilísticos que se han desarrollado para analizar la frecuencia de valores máximos de eventos hidrológicos, utilizan únicamente la muestra de datos que está integrada por los valores máximos anuales, motivo por el cual este tipo de modelos no utilizan de manera precisa y adecuada la información que está contenida en las muestras de eventos hidrológicos Por tal situación, el objetivo que persigue este artículo es desarrollar nuevos esquemas para analizar la frecuencia de valores máximos en el campo de la hidrología estadística, a través de modelos que utilizan muestras de diferente longitud en lugar de la muestra de valores máximos anuales Asimismo, para ilustrar la eficiencia de los modelos propuestos se desarrolla un ejercicio numérico con los datos de las lluvias mensuales registradas en la estación del Servicio Meteorológico Nacional durante un periodo de 129 años ( ) Finalmente, con los resultados obtenidos se concluye que los modelos propuestos son una alternativa viable para obtener lluvias de diseño más precisas que el método tradicional Introducción El análisis de frecuencia de valores máximos es un desarrollo matemático establecido en el campo de la hidrología, para predecir la ocurrencia de los principales eventos hidrológicos tales como precipitaciones, escurrimientos, evaporaciones, temperaturas y algunos más En general, se puede decir que la estructura matemática del análisis de frecuencia de valores máximos radica en utilizar en forma conjunta la herramienta de las funciones de distribución de probabilidad y las series de tiempo constituidas por valores máximos, y a partir de su vinculación predecir su ocurrencia para diferentes periodos de retorno o probabilidades Por su parte, el análisis de frecuencia de valores máximos anuales, a partir de diferentes funciones de distribución de probabilidad con un número variable de parámetros, ha tenido una aplicación continua a lo largo del tiempo Al respecto, puede decirse que en las últimas décadas, se han desarrollado análisis de frecuencia de eventos máximos anuales por diversos autores, sobresaliendo las aplicaciones realizadas por Hazen (1914), Gumbel (1941, 1958), Chow (1951, 1964), Jenkinson (1955), Houghton (1978), Ahmad y Al (1988), Ahmad (1988) y algunos otros No obstante, en este artículo se desarrollan varios modelos probabilísticos de valores máximos cuyo objetivo es evaluar las variaciones en la estimación de su frecuencia, utilizando para ello series de valores de mayor longitud que las series de valores máximos anuales Además, es importante recalcar que el método clásico que se ha desarrollado para evaluar la frecuencia de valores extremos utiliza únicamente la serie de valores máximos anuales, mientras que en los modelos probabilísticos que se proponen como el nuevo enfoque, se podrán utilizar series de diferente longitud Finalmente, para demostrar la eficiencia de los modelos probabilísticos que se proponen como una nueva alternativa, se realiza una aplicación numérica con datos de lluvia mensual registrados en la estación climatológica del Servicio Meteorológico Nacional, ubicada en Tacubaya, D F Hipótesis de base La hipótesis de base de los modelos probabilísticos se fundamentan en la teoría de valores extremos y en las funciones de distribución de probabilidad, que se han desarrollado para evaluar la frecuencia en términos de la probabilidad de ocurrencia 54
2 Modelos Probabilísticos Agustín Felipe Breña Puyol 55 Sea X una serie cronológica de variables aleatorias con una distribución común del tipo: F (X) = P (X x) (1) Por ejemplo, una serie típica puede ser el conjunto de precipitaciones mensuales máximas que ocurren en una estación de medición o bien en una región hidrológica Ahora bien, la serie X se puede dividir en N muestras de longitud k, de tal manera que: X = X 1, X 2, X k X k+1, X k+2, X 2k X (N 1)k+1 X (N 2)k+2 X Nk (2) donde N es el número de años disponibles; y Nk es el número total de valores de la serie X Ahora bien, se procede a determinar el número de variables de cada una de las muestras de diferente longitud que se puede definir a partir de la serie cronológica original La primera muestra esta integrada por el número total de valores de la serie X, que se puede definir como el conjunto de N muestras de 12 valores mensuales, es decir las muestras tendrá 12N valores Posteriormente, si en la serie X se extrae un solo valor por año, se obtendrá la segunda muestra de N valores máximos X m, constituida por: X m = {x max1, X max2, X maxn } (3) Finalmente, existe una tercera muestra formada por 12 muestras X k, asociadas al mes k, k = 1, 2,, 12 El número de valores de cada muestra x k es de N valores Por otra parte y de acuerdo con la teoría de valores extremos (Gumbel, 1958), se tiene que: M(x) = P (x max x) (4) El evento X max x implica que los otros valores de la serie X son iguales o inferiores a x, es decir: (X max x) = (X 1 x, X 2 x,, X k x) = (X i x) (5) y como la variable X es aleatoria: (X i x) = (X i x); i = 1, 2, 3, k (6) Entonces: M(x) = k P (X i x) = i=1 k F i (x) (7) i=1 Ahora bien, como todas las variables tienen la misma función de distribución, de acuerdo con la hipótesis de partida, se obtiene que: M(x) = [F (x)] k (8) La ecuación (8) es válida únicamente para el caso donde el valor máximo anual ocurre indistintamente en cada uno de los meses del año, es decir si en la muestra disponible de N años, el número de veces que el máximo anual ha ocurrido en un mes en particular, por ejemplo julio, es en promedio N/12 Estructura de los modelos El modelo probabilístico que se propone para evaluar la frecuencia de valores máximos, para el caso donde el valor máximo anual se produce indistintamente en cada uno de los meses del año, esta representado por la ecuación (8) No obstante, en las muestras de eventos máximos de fenómenos hidrológicos hay meses donde el valor máximo anual no se presenta jamás y, en consecuencia, será necesario estimar el valor de k, a partir de datos reales que se han registrado, para una variable hidrológica máxima Ahora bien, con el apoyo de las muestras de lluvias máximas en 24 horas que han ocurrido en la República Mexicana y que se tienen disponibles en formato electrónico en el Extractor Rápido de Información Climatológica (IMTA, 1999) y en la Información de 322 Estaciones Climatológicas de Referencia (CNA, 2000), se ha determinado que los valores máximos anuales están concentrados en 4 meses del año, es decir el valor de k es igual a 4
3 56 ContactoS 66, (2007) En consecuencia, la ecuación (8) se modifica a: M(x) = [F (x)] 4 (9) La ecuación (9) representa el modelo probabilístico de valores máximos para el caso específico donde el valor de k = 4 y las muestras de precipitación mensual correspondientes a cada uno de los 4 meses tienen la misma función de distribución Ahora bien, a partir del modelo probabilístico representado por la ecuación (9) se han propuesto 4 modelos alternativos cuyo objetivo es detectar los cambios en la estimación de la frecuencia de valores máximos, cuando se utilizan muestras de valores máximos de diferente longitud Por su parte, las características y estructura matemática de los 4 modelos que han sido seleccionados para evaluar la frecuencia de valores máximos son: Modelo (1): M 1 (x) = [F max (x)] (10) donde F max (x) es la frecuencia asociada con la muestra de N valores máximos X m Modelo (2): M 2 (x) = [F 1,2,3,4 (x)] 4 (11) donde F 1,2,3,4 (x) es la frecuencia asociada con las 4 muestras de precipitación mensual donde se concentran los valores máximos anuales En este modelo el número de valores es igual a (4N) Modelo (3): M 3 (x) = [F 1,2,3 (x)] 3 (12) donde F 1,2,3 (x) es la frecuencia asociada con las 3 muestras de precipitación mensual donde se concentran los valores máximos anuales de mayor ocurrencia En este modelo el número de valores es igual a (3N) Modelo (4): M 4 (x) = [F 1,2 (x)] 2 (13) donde F 1,2 (x) es la frecuencia asociada con las 2 muestras de precipitación mensual donde se concentran los valores máximos anuales de mayor ocurrencia En este modelo el número de valores es igual a (2N) Número de valores de las muestras de diferente longitud Para determinar el número de valores de los 4 modelos que han sido seleccionados para evaluar la frecuencia, se procede a utilizar las series X y F k (x) Con el auxilio de la primera serie se determina la muestra de N valores máximos X m, constituida por X m = {X max1, X max2, X maxn }, mientras que para los modelos que utilizan las muestras de valores mensuales se recurre a la serie F k (x) La tabla 1 indica el número de valores de las 4 muestras mensuales Tabla 1 Número de valores de las 4 muestras mensuales Año X 1 X 2 X 3 X 4 1 X 11 X 21 X 31 X 41 2 X 12 X 22 X 32 X 42 3 X 13 X 23 X 33 X 43 N X 1N X 2N X 3N X 4N Con el apoyo de la tabla 1 se determinan para los modelos M 2, M 3 y M 4, el número de valores de cada una de las muestras de diferente longitud, que serán utilizadas para estimar la frecuencia de valores máximos La tabla 2 indica el número de valores que han sido asignados a cada una de las muestras de los modelos alternativos Evaluación de la frecuencia La variable de análisis de la frecuencia de valores máximos será la altura de lluvia X T y para cada uno de los modelos seleccionados se calculará el valor de X T correspondiente a un periodo de retorno Ahora bien, para calcular la altura de lluvia máxima X T, se utilizan las funciones de distribución de probabilidad con un número variable de parámetros, y a lo largo del tiempo ha tenido una aplicación muy fecunda en el campo de la hidrología Asimismo, es importante recalcar que cada una de las funciones de distribución que se han diseñado para calcular la frecuencia de valores máximos proporciona ajustes de magnitud variable entre los datos
4 Modelos Probabilísticos Agustín Felipe Breña Puyol 57 Tabla 2 Número de valores de las muestras de los modelos probabilísticos Modelo Número de valores de las muestras M 1(x) X max = [X max1, X max2,, X maxn ] M 2(x) X 1,2,3,4 = [X 11, X 12,, X 1N ; X 21, X 22,, X 2N ; X 31, X 32,, X 3N ; X 41, X 42,, X 4N ] M 3(x) X 1,2,3 = [X 11, X 12,, X 1N ; X 21, X 22,, X 2N ; X 31, X 32,, X 3N ] M 4(x) X 1,2 = [X 11, X 12,, X 1N ; X 21, X 22,, X 2N ] observados y los teóricos Por tal situación y previo análisis de los datos disponibles y de la bondad de ajuste, entre datos observados y teóricos, fue seleccionada la función de Gumbel, como el criterio más preciso para evaluar la frecuencia de valores máximos A continuación se determinará para cada modelo la expresión que permitirá evaluar la frecuencia de lluvia máxima X T, utilizando la función de distribución de Gumbel (1958) Modelo (1): De acuerdo con Gumbel (1958) la forma explícita de la función de distribución está representada por: { } (x a) F (x) = exp exp c (14) donde a y c son los parámetros de ubicación y escala, respectivamente Además, por definición el concepto del periodo de retorno T r, se define como: F (x) = 1 1 T r (15) Si se sustituyen las ecuaciones (14) y (15) en la (10), la cual representa el modelo probabilístico M 1 (x), y después de varias transformaciones algebraicas se obtiene: ˆX T = â ĉ ln ln (16) â y ĉ son los parámetros estimados a partir de la muestra de valores máximos anuales X max ; T r es el periodo de retorno, en años; y ln es el logaritmo natural Modelo (2): Sustituyendo las ecuaciones (14) y (15) en la (11), la cual representa el modelo probabilístico M 2 (x), y después de varias transformaciones algebraicas se obtiene: ˆX T = â ĉ ln ln ĉ ln(k) (17) â y ĉ son los parámetros estimados a partir de las 4 muestras mensuales X 1,2,3,4 ; T r es el periodo de retorno, en años; K es una constante equivalente a K = 1/4; y ln es el logaritmo natural Modelo (3): Si se sustituyen las ecuaciones (14) y (15) en la (12), la cual representa el modelo probabilístico M 3 (x), y después de varias transformaciones algebraicas se obtiene: ˆX T = â ĉ ln ln ĉ ln(k) (18) â y ĉ son los parámetros estimados a partir de las 3 muestras mensuales X 1,2,3 ; T r es el periodo de retorno, en años; K es una constante equivalente a K = 1/3; y ln es el logaritmo natural Modelo (4): Si se procede a sustituir las ecuaciones (14) y (15) en la (13), la cual representa el modelo probabilístico M 4 (x), y después de varias transformaciones algebraicas se obtiene: ˆX T = â ĉ ln ln ĉ ln(k) (19) â y ĉ son los parámetros estimados a partir de las 2 muestras mensuales X 1,2 ; T r es el periodo de retorno, en años; K es una constante equivalente a K = 1/2; y ln es el logaritmo natural
5 58 ContactoS 66, (2007) Aplicación numérica La estación climatológica del Servicio Meteorológico Nacional, ubicada en Tacubaya, D F, ha sido seleccionada para aplicar los modelos probabilísticos propuestos para evaluar la frecuencia de valores máximos de lluvia Los datos de lluvia mensual registrados durante un periodo de 129 años ( ) han sido seleccionados para la aplicación numérica de los modelos y a partir de su análisis se han determinado las muestras de lluvias de diferente longitud requeridas para los modelos, así como la distribución mensual de los valores máximos La tabla 3 indica la distribución mensual de los valores máximos durante el periodo de registro y los resultados destacan que en los meses de junio, julio, agosto y septiembre se concentran el mayor número de valores máximos, es decir el valor de k es igual a 4 Tabla 3 Distribución mensual de los valores máximos Mes Número de valores máximos Mayo 1 Junio 26 Julio 43 Agosto 32 Septiembre 25 Octubre 2 Total 129 Además, para calcular las alturas de lluvia ˆX t, asociadas a diferentes periodos de retorno, con los modelos probabilísticos propuestos, se calcularon la magnitud de los parámetros â y ĉ de cada uno de ellos Para llevar a cabo tal acción, se utilizo el método de momentos (Chow, 1964) y las muestras de datos extraídas del registro de lluvias mensuales de la estación Servicio Meteorológico Nacional Los resultados se sintetizan en las expresiones siguientes: Modelo M 1 (x): ˆX T = 175, , ln ln Modelo M 2 (x): (20) ˆX T = 111, , ln ln Modelo M 3 (x): 47, ln( 1 4 ) (21) ˆX T = 114, , ln ln Modelo M 4 (x): 47, ln( 1 3 ) (22) ˆX T = 124, , ln ln 45, ln( 1 2 ) (23) Posteriormente, con el auxilio de las ecuaciones (20), (21), (22) y (23) se determinan las curvas de frecuencia de las lluvias observadas y las teóricas para periodos de retorno que oscilen entre 1 y 100 años y al analizarlas en forma visual permite detectar el grado de ajuste A modo de ejemplo y para ilustrar el comportamiento de las curvas de frecuencia las figuras 1 y 2 ilustran los resultados obtenidos por los modelos M 1 (x) y M 2 (x), los cuales presentan los niveles de ajuste de mayor precisión entre las lluvias observadas y las teóricas No obstante, existen métodos cuantitativos que miden la bondad de ajuste entre los elementos de las muestras de eventos hidrológicos y las funciones de distribución de probabilidad El método del Error Estándar de Ajuste (EEA) desarrollado por Kite (1977) mide cuantitativamente la bondad de ajuste entre los valores observados X i de una muestra de datos y los calculados ˆX i con una función de distribución de probabilidad con el apoyo de la expresión: EEA j = [ n i=1 (X i ˆX ] 1/2 i ) (24) n p
6 Modelos Probabilísticos Agustín Felipe Breña Puyol 59 79cm49cmc:/cs/n66ne/modelos/modelo01bmp Figura 1 Curva de frecuencia obtenida con el modelo M 1(x) Figura 1 Figura 2 Curva de frecuencia obtenida con el modelo donde es el valor estimado del error estándar de ajuste asociado a la j-ésima función de distribución de probabilidad;, i = 1, 2, 3,,n son las magnitudes de los valores observados;, i = 1, 2, 3,,n son las magnitudes de los valores teóricos calculados con la j-ésima función de distribución de probabilidad para las mismas frecuencias que los eventos ; es el número total de valores de la muestra de datos; y es el número de parámetros de j-ésima función de distribución de probabilidad Aplicando el criterio de Kite (1977) se calculó el error estándar de ajuste (EEA) de los modelos probabilísticos propuestos para evaluar la frecuencia de lluvias máximas y en la tabla 4 se indican los resultados obtenidos Analizando globalmente los resultados se concluye que el modelo proporciona el mejor ajuste entre las lluvias observadas y teóricas, ya que presenta el EEA de menor magnitud Tabla 4 Error estándar de ajuste EEA de los modelos probabilísticos Modelo probabilístico Error estándar de ajuste EEA, en mm Modelo M 1(x) 733 Modelo M 2(x) 690 Modelo M 3(x) 987 Modelo M 4(x) 2031 En el Anexo A se adjunta el registro de las lluvias mensuales de la estación climatológica Servicio Meteorológico Nacional, Tacubaya, D F, donde se ilustra el proceso para obtener la muestra de lluvias máximas anuales Conclusiones Los resultados obtenidos al aplicar los modelos probabilísticos con los datos de la muestra de lluvias mensuales registradas en la estación del Servicio Meteorológico Nacional, han demostrado la eficiencia del nuevo esquema que permite estimar la frecuencia de valores máximos asociados con eventos hidrológicos El modelo resultó ser más eficiente para estimar lluvias asociadas a diferentes periodos de retorno, que el modelo tradicional el cual utiliza solamente la muestra de valores máximos anuales Por su parte, las aplicaciones principales de las lluvias asociadas a un determinado periodo de retorno, que se estiman con el modelo, es diseñar, revisar, operar y proteger estructuras hidráulicas tales como drenaje urbano y drenaje de aeropuertos, alcantarillas de vías de comunicación y algunas otras más Finalmente, con el mismo esquema y estructura de los modelos propuestos en este artículo se están analizando lluvias ciclónicas y orográficas, las cuales tienen una gran incidencia en diferentes cuencas hidrológicas de nuestro país Bibliografía Ahmad, M I (1988) Application of statistical methods to flood frequency analysis Thesis pres in fulfillment of Ph D degree, Univ of St Andrews, Scotland Ahmad, M I, Sinclair, C D y Werrity, A (1988) Log-logistic flood frequency analysis J Hydrol, 98, pp Chow, V T (1951) A general formula for hydrologic frequency analysis ans Amer Geophys Union No 32, pp Chow, V T (1964) Handbook of Applied Hydrology McGraw-Hill, New York, NY Colisión Nacional del Agua, CNA (2000) Información de 322 Estaciones Climatológicas de Referencia, ) Información climatológica disponible en formato electrónico Gumbel, E J (1941) The return period of flood flows Ann Math Statist, 12(2), pp Gumbel, E J (1958) Statistics of extremes Columbia University Press, New York, NY Hazen, A (1914) Storage to be provided in impounding reservoirs for municipal water supply ans ASCE, 77, Paper No 1308, pp Houghton, J C (1978) Birth of a parent: The Wakeby distribution for modelling flood flows Water Resources Res 14(6), pp Instituto Mexicano de Tecnología del Agua, IM- TA (1999) Extractor Rápido de Información Climatológica, v 20 Información climatológica disponible en formato electrónico
7 60 ContactoS 66, (2007) Jenkinson, A F (1955) The frequency distribution of the annual maximum (or minimum) values of meteorological elements Quart J Roy Meteor Soc, 81, pp Kite, G W (1977) Frequency and risk analysis in hydrology Water Resources Publications, Fort Collins, CO, 224 p
ANÁLISIS DE FRECUENCIA (CURVAS INTENSIDAD DURACIÓN - FRECUENCIA) Y RIESGO HIDROLÓGICO
Facultad de Ingeniería Escuela de Civil Hidrología ANÁLISIS DE FRECUENCIA (CURVAS INTENSIDAD DURACIÓN - FRECUENCIA) Y RIESGO HIDROLÓGICO Prof. Ada Moreno ANÁLISIS DE FRECUENCIA Es un procedimiento para
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesFigura Área de Influencia de las estaciones complementarias a la estación Centro
INFORME FINAL Instituto de Ingeniería Coordinación de Hidráulica Figura 3.5.1 Área de Influencia de las estaciones complementarias a la estación Centro Tabla 3.5.2 Estaciones dentro del área de influencia
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesANÁLISIS DE CAUDALES (II) Profesor Luis Fernando Carvajal
ANÁLISIS DE CAUDALES (II) Profesor Luis Fernando Carvajal Relaciones nivel-caudal 1. El objetivo de aforar una corriente, durante varias épocas del año en una sección determinada, es determinar lo que
Más detallesDOCUMENTO DE APOYO PARA PROYECTOS
DOCUMENTO DE APOYO PARA PROYECTOS Los ejemplos que a continuación se encuentran en este documento de apoyo al estudiante, tiene como objetivo dar una serie de ejemplos mínimos de algunas partes de los
Más detallesANALISIS DE FRECUENCIA
ANALISIS DE FRECUENCIA HIDROLOGÍA Determinística: enfoque en el cual los parámetros se calculan en base a relaciones físicas para procesos dinámicos del ciclo hidrológico. Estocástico: Enfoque en el cual
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 detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 4 Nombre: Distribuciones de probabilidad para variables Contextualización En la sesión anterior se definió el concepto de variable aleatoria
Más detallesEn el diagrama (Figura 4.1) se describe la metodología utilizada para estudiar la erosión natural en la Cuenca media y alta del Río Sonora.
4. METODOLOGÍA En el diagrama (Figura 4.1) se describe la metodología utilizada para estudiar la erosión natural en la Cuenca media y alta del Río Sonora. 4.1. Modelos cuantitativos para el cálculo de
Más detallesESTIMACIÓN DE LOS COMPONENTES DE LA VARIACIÓN DE UN SISTEMA DE MEDICIÓN, USANDO EL RANGO. Resumen
ESTIMACIÓN DE LOS COMPONENTES DE LA VARIACIÓN DE UN SISTEMA DE MEDICIÓN, USANDO EL RANGO RIVAS C., Gerardo A. Escuela de Ingeniería Industrial. Universidad de Carabobo. Bárbula. Valencia. Venezuela Jefe
Más detallesAPLICADAS Edición Ingeniería Civil-Plan 97
HIDROLOGÍA A E HIDRÁULICA APLICADAS Edición 2012 - Ingeniería Civil-Plan 97 -Información disponible para estudios sobre hidrología e hidráulica en Uruguay- Universidad de la República Facultad de Ingeniería
Más detallesTeoría de errores -Hitogramas
FÍSICA I Teoría de errores -Hitogramas Autores: Pablo Iván ikel - e-mail: pinikel@hotmail.com Ma. Florencia Kronberg - e-mail:sil_simba@hotmail.com Silvina Poncelas - e-mail:flo_kron@hotmail.com Introducción:
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 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 detalles2. ANÁLISIS DE LA INFORMACIÓN DISPONIBLE DE LLUVIAS OCURRIDAS EN LA ZONA DE ESTUDIO
2. ANÁLISIS DE LA INFORMACIÓN DISPONIBLE DE LLUVIAS OCURRIDAS EN LA ZONA DE ESTUDIO Los estudios hidrológicos previos al diseño de una presa incluyen la determinación de las tormentas y avenidas de diseño,
Más detallesEvaluación del impacto económico en el sector energético dado por los embalses para riego existentes en la cuenca de aporte a Rincón del Bonete
Trabajo de fin del curso SimSEE 2, Grupo 1, pág 1/9 Evaluación del impacto económico en el sector energético dado por los embalses para riego existentes en la cuenca de aporte a Rincón del Bonete Magdalena
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 detallesAplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel
Más detallesSESION 12 LA DISTRIBUCIÓN BINOMIAL
SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:
Más detallesUNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE INGENIERIA ELECTRÓNICA E INFORMÁTICA ESCUELA PROFESIONAL DE INGENIERÍA DE MECATRONICA SÍLABO
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE INGENIERIA ELECTRÓNICA E INFORMÁTICA ESCUELA PROFESIONAL DE INGENIERÍA DE MECATRONICA SÍLABO ASIGNATURA: MAQUINAS HIDRAULICAS CÓDIGO: 8C0041 I. DATOS
Más detallesHIDROLOGÍA SUPERFICIAL
HIDROLOGÍA SUPERFICIAL Por Laura A. Ibáñez Castillo Que es la Hidrología? Hidrología es la ciencia natural que estudia el agua, su ocurrencia, circulación y distribución en la superficie terrestre, sus
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 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 detallesCómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase.
Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase. M. C. Blanca Evelia Flores Soto. Dpto. de Matemáticas Universidad de Sonora Introducción. Actividad desarrollada
Más detalles1. Caso no lineal: ajuste de una función potencial
1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir
Más detallesIngeniería de los Recursos Hidráulicos
Recursos Hidráulicos 1.- Datos de la asignatura Nombre de la Asignatura: recursos hidráulicos Carrera: Ingeniería Civil (Módulo de especialidad) Clave de la Asignatura: Horas teoría Horas prácticas -Créditos:
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 detallesMODULO VIII. Semana 1 ASPECTOS DE EVALUACIÓN FINANCIERA, ECONÓMICA, SOCIAL Y AMBIENTAL.
MODULO VIII Semana 1 ASPECTOS DE EVALUACIÓN FINANCIERA, ECONÓMICA, SOCIAL Y AMBIENTAL Esquema de Proyecto SNIP INDICE INTRODUCCION I. ASPECTOS GENERALES II. IDENTIFICACION III. FORMULACION IV. EVALUACION
Más detallesUbicación de la asignatura. Propósito de la asignatura. Desarrollando proyectos. Asignaturas relacionadas. Una mirada hacia la optimización económica
EL CÁLCULO EN MI VIDA DIARIA OPTATIVAS ÁREA: MATEMÁTICAS Ubicación de la asignatura La asignatura El cálculo en mi vida diaria, se encuentra dentro del bloque de las asignaturas optativas del Bachillerato
Más detallesa) La selección del método adecuado para diseñar obras de protección contra inundaciones depende de:
1 4.9. Diseño hidráulico de la red de alcantarillado pluvial a) La selección del método adecuado para diseñar obras de protección contra inundaciones depende de: Tipo de problema por resolver (magnitud
Más detalles3.º ESO. Matemáticas orientadas a las enseñanzas aplicadas
3.º ESO. Matemáticas orientadas a las enseñanzas aplicadas BLOQUE DE APRENDIZAJE I: PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS 1. Identificar, formular y resolver problemas numéricos, geométricos, funcionales
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 detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesESTUDIO PLUVIOMÉTRICO
Santa Cruz de Tenerife 29 3 septiembre 9 JORNADAS SOBRE HIDROLOGÍA DE SUPERFICIE EN TENERIFE Segunda Jornada: GUIA METODOLOGÍCA CALCULO CAUDALES AVENIDA 3 ESTUDIO PLUVIOMÉTRICO D. Jesús López García Dr.
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesDEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM
UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-
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 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 detallesMENDOZA, TUNUYÁN, DIAMANTE, ATUEL, MALARGÜE Y GRANDE
PRONÓSTICO DE ESCURRIMIENTOS PARA LOS RÍOS: MENDOZA, TUNUYÁN, DIAMANTE, ATUEL, MALARGÜE Y GRANDE ÍNDICES 1. INTRODUCCIÓN... 2 3. METODOLOGÍA... 2 4. PRONÓSTICO OCTUBRE-2016 / SEPTIEMBRE-2017... 3 ANEXO
Más detallesAlgebra Sigla MAT2001
TIPO DE ACTIVIDAD: Ejercicios Título Actividad: Nombre Asignatura: Concepto de Función Algebra Sigla MAT2001 Semana Nº: 1 Actividad Nº 1 Lugar APRENDIZAJES ESPERADOS: Aprendizaje 1 Sala de clases Otro
Más detallesMateria: Matemáticas de 4to año. Tema: Logaritmos naturales y base 10. Marco Teórico
Materia: Matemáticas de 4to año Tema: Logaritmos naturales y base 10 Marco Teórico Aunque una función de registro puede tener cualquier número positivo como base, en realidad sólo hay dos bases que se
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesFICHA DE LA TECNOLOGÍA
FICHA DE LA TECNOLOGÍA Simulador de diseño de obras de conservación de aguas y suelos: Simulador computacional de zanjas de infiltración y canales de evacuación de aguas de lluvia TEMÁTICA Clasificación:
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 detallesSe inicia con las especificaciones del módulo fotovoltaico.
Con base en las especificaciones técnicas del inversor SB 3000U y de un módulo fotovoltaico de 175 watts, indicar los valores los parámetros característicos requeridos para el dimensionamiento del sistema.
Más detallesRECOMENDACIÓN UIT-R P Índice de refracción radioeléctrica: su fórmula y datos sobre la refractividad
Rec. UIT-R P.453-8 1 RECOMENDACIÓN UIT-R P.453-8 Índice de refracción radioeléctrica: su fórmula y datos sobre la refractividad La Asamblea de Radiocomunicaciones de la UIT, (Cuestión UIT-R 201/3) (1970-1986-1990-1992-1994-1995-1997-1999-2001)
Más detallesMANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 02
GRÁFICAS EXPERIENCIA N René Descartes "Consideraría que no sé nada de Física si tan sólo fuese capaz de epresar cómo deben ser las cosas, pero fuese incapaz de demostrar que no pueden ser de otra manera
Más detallesNueva formulación para calcular la intensidad de precipitación para cualquier duración a partir de la precipitación diaria en la España peninsular
Nueva formulación para calcular la intensidad de precipitación para cualquier duración a partir de la precipitación diaria en la España peninsular Planteamiento del problema. Antecedentes Disponemos de
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 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 detallesDesempeño de Medidas de Riesgo sobre Distribuciones de Valores Extremos
Desempeño de Medidas de Riesgo sobre Distribuciones de Valores Extremos Resumen Ejecutivo Antecedentes El riesgo es un concepto ampliamente estudiado, con diversas definiciones que dependen del contexto
Más detallesInstituto de Ingeniería y Tecnología Modalidad: Presencial. Programa: Ingeniería Civil Carácter: Obligatoria
CARTA DESCRIPTIVA I. Identificadores de la asignatura Instituto: Instituto de Ingeniería y Tecnología Modalidad: Presencial Departamento: Materia: Ingeniería Civil y Ambiental Hidráulica II Créditos: 8
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I INSTALACIONES SANITARIAS EN EDIFICACIONES
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I INSTALACIONES SANITARIAS EN EDIFICACIONES NIVEL : LICENCIATURA CRÉDITOS : 5 CLAVE : ICAJ12001567-09 HORAS TEORÍA : 2 SEMESTRE : DÉCIMO HORAS
Más detallesCapítulo 5 Determinación de caudales en los puntos de análisis
Capítulo 5 Determinación de caudales en los puntos de análisis Al no existir información sobre los caudales en los puntos que definen las subcuencas en estudio (Vilcazán, Sta. Rosa, San Lázaro, Chulucanitas
Más detallesDiscretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
Más detallesUNIDAD 7: SISTEMAS DE ECUACIONES. CONTENIDOS
UNIDAD 7: SISTEMAS DE ECUACIONES. * Ecuaciones lineales con dos incógnitas. * Sistemas de 2 ecuaciones con 2 incógnitas. Resolución gráfica y analítica. * Sistemas equivalentes. * Tipos de sistemas de
Más detallesOBRAS HIDRAULICAS Y OBRAS CIVILES
UNIVERSIDAD DE CORDOBA ESCUELA UNIVERSITARIA POLITECNICA DE BELMEZ PROGRAMA DE LA ASIGNATURA OBRAS HIDRAULICAS Y OBRAS CIVILES CURSO : 2003/2004 OBRAS HIDRAILICAS Y OBRAS CIVILES PROFESOR: ANTONIO CASASOLA
Más detallesMetodología para monitorear la intensidad de la Sequía en Puerto Rico
Metodología para monitorear la intensidad de la Sequía en Puerto Rico 1 era Conferencia Sobre Sequía Y Cambio Climático Universidad Metropolitana Jueves Embalse La Plata 2/ julio/2014 Embalse Cerrillos
Más detallesCampo Magnético en un alambre recto.
Campo Magnético en un alambre recto. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (133268) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se hizo pasar
Más detallesMETODOLOGÍAS PROPUESTAS POR EL CENAPRED PARA ELABORAR MAPAS DE RIESGO POR INUNDACIÓN
METODOLOGÍAS PROPUESTAS POR EL CENAPRED PARA ELABORAR MAPAS DE RIESGO POR INUNDACIÓN DIRECCIÓN DE INVESTIGACIÓN (Subdirección de Riesgos por Inundación) - Enero de 2013 - INTRODUCCIÓN Para reducir el riesgo
Más detallesDesde 2007 existe un nuevo sistema de costeo que ha mejorado notablemente la
TDABC: COSTEO BASADO EN EL TIEMPO INVERTIDO POR ACTIVIDAD Desde 2007 existe un nuevo sistema de costeo que ha mejorado notablemente la forma en que las empresas pueden diferenciar los buenos y malos negocios,
Más detallesFletes y Seguros Asociados al Comercio Exterior El Caso de México
Fletes y Seguros Asociados al Comercio Exterior El Caso de México Guatemala Julio de 2013 Respecto a la metodología de medición de fletes y seguros asociados al comercio exterior de mercancías de México
Más detallesPuntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth
1 Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I Qué es la Puntuación Z? 2 Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones de una distribución normal, con el propósito
Más detallesUNA INTERPRETACION ESTADISTICA SOBRE LAS CIFRAS DEL IPC José Luis Lupo INTRODUCCION
INTRODUCCION UNA INTERPRETACION ESTADISTICA SOBRE LAS CIFRAS DEL IPC José Luis Lupo La inflación en Bolivia, medida a través del Indice de Precios al Consumidor (IPC), en la década del 70 experimentó un
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 detallesConsideración del Margen de Desvanecimiento con ICS Telecom en Planeación de Redes de Microceldas (NLOS)
Consideración del Margen de Desvanecimiento con ICS Telecom en Planeación de Redes de Microceldas (NLOS) Agosto 2008 SEAN YUN Traducido por ANDREA MARÍN Modelando RF con Precisión 0 0 ICS Telecom ofrece
Más detallesAnálisis de redes de abastecimiento y saneamiento Curso
Página 1de 6 GUIA DOCENTE DE LA ASIGNATURA Análisis de redes de abastecimiento y saneamiento Curso 2013-2014 MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Optatividad Especialidad HIDROLOGÍA Tecnologías
Más detallesINDICADORES DE GESTION
Página 1 de 10 INDICADORES DE GESTION AÑO 2011 ELABORO: REVISO: APROBO: MARIA DEL PILAR OQUENDO LILIAM P. ZAPATA MARTINEZ RAMIRO ANTONIO NAVIA DIAZ Página 2 de 10 CONTENIDO 1. ALCANCE... 3 2. DEFINICIÓN...
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 detallesCAMBIO CLIMÁTICO EN CERRO DE PASCO PASCO PERÚ. Edson Plasencia Sánchez
CAMBIO CLIMÁTICO EN CERRO DE PASCO PASCO PERÚ PRECIPITACIONES MENSUALES 2001-2030 Edson Plasencia Sánchez edsonplasencia@hotmail.com INTRODUCCIÓN La descripción geográfica de una determinada localidad,
Más detallesHietograma en Santiago (10-11 Abril 1980)
Hietograma en Santiago (10-11 Abril 1980) hietograma de lluvia 4 3.5 3 Lluvia (mm) 2.5 2 1.5 1 0.5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Tiempo (hrs) Intensidades de Lluvia Intensidades se acostumbran
Más detallesA continuación se presenta la información de la altura promedio para el año de 1998 en Holanda de hombres y mujeres jóvenes.
M150: Creciendo A) Presentación del problema LOS JOVENES CRECEN MAS ALTO A continuación se presenta la altura promedio para el año de 1998 en Holanda de hombres y mujeres jóvenes. B) Preguntas del problema
Más detallesIng. Eduardo Cruz Romero w w w. tics-tlapa. c o m
Ing. Eduardo Cruz Romero eduar14_cr@hotmail.com w w w. tics-tlapa. c o m La estadística es tan vieja como la historia registrada. En la antigüedad los egipcios hacían censos de las personas y de los bienes
Más detallesPROYECCIÓN DE LA EVOLUCIÓN DE LAS EMISIONES DE GASES DE EFECTO INVERNADERO EN EL SECTOR ENERGÍA AÑOS
PROYECCIÓN DE LA EVOLUCIÓN DE LAS EMISIONES DE GASES DE EFECTO INVERNADERO EN EL SECTOR ENERGÍA AÑOS 2 225 NOTA: ESTE ESTUDIO CORRESPONDE A UN ANÁLISIS ESPECÍFICO Y NO REPRESENTA CIFRAS OFICIALES. RESUMEN
Más detallesDETERMINACIÓN DEL HIDROGRAMA DE ESCURRIMIENTO DIRECTO POR EL MÉTODO DE CLARK
GUIA DE TRABAJO PRACTICO Nº 9 DETERMINACIÓN DEL HIDROGRAMA DE ESCURRIMIENTO DIRECTO POR EL MÉTODO DE CLARK Dadas las características hidrodinámicas presentadas en la cartografía de la cuenca media y baja
Más detallesRELACIONES CUANTITATIVAS PARA EL RELLENO DE PLAYAS
LIBRO: TEMA: PUE. Puertos PARTE: 1. ESTUDIOS TÍTULO: 07. Estudios de Transporte Litoral CAPÍTULO: A. 009. Estimación del Relleno de Playas para Modificar su Perfil CONTENIDO Este Manual describe el procedimiento
Más detallesCÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES
OBJETIVOS CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES Reportar correctamente resultados, a partir del procesamiento de datos obtenidos a través de mediciones directas. INTRODUCCION En el capítulo de medición
Más detallesPrueba de hipótesis para la diferencia de medias
Estadística Técnica Prueba de hipótesis para la diferencia de medias Cladera Ojeda, Fernando Conceptos previos Inferencia estadística Población Muestra Parámetro Estadístico Hipótesis estadística Pruebas
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 detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
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 detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 4 horas a la semana 8 créditos Semestre variable según la carrera Objetivo del curso: Analizar y resolver problemas de naturaleza aleatoria en la ingeniería, aplicando conceptos
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA I. DATOS GENERALES Unidad Académica: Departamento de Suelos Programa Educativo: Ingeniería en Recursos Naturales Renovables Nivel educativo: Licenciatura Eje curricular: Ingeniería
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 detallesDES: Materia requisito:
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU007H Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: DES: Ingeniería Programa(s) Educativo(s): Ingeniería Aeroespacial Tipo de materia: Básica
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 detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detallesHIDROLOGIA. Escorrentía. La escorrentía hay que dividir en la escorrentía superficial y la escorrentía subterránea.
HIDROLOGIA Escorrentía La escorrentía hay que dividir en la escorrentía superficial y la escorrentía subterránea. Se puede definir: Precipitación directa: agua que cae sobre ríos y lagos (este agua forma
Más detallesCAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO
9 CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO 2.1 Criterios de diseño para el predimensionamiento de los sistemas de abastecimiento de agua 2.1.1 Período de diseño
Más detallesElementos para la estimación de una tabla de mortalidad de inválidos
Elementos para la estimación de una tabla de mortalidad de inválidos La Superintendencia Financiera de Colombia (SFC) ha presentado para comentarios el proyecto de actualización de la tabla de mortalidad
Más detallesReporte de Pobreza y Desigualdad DICIEMBRE 2015
Reporte de Pobreza y Desigualdad DICIEMBRE 2015 1 Reporte de Pobreza y Desigualdad - Diciembre 2015 Dirección responsable de la información estadística y contenidos: Dirección de Innovación en Métricas
Más detallesESTADISTICA DESCRIPTIVA Y PROBABILIDAD
ESTADISTICA DESCRIPTIVA Y PROBABILIDAD CODIGO 213543 (COMPUTACION) 223543 (SISTEMAS) 253443 (CONTADURIA) 263443( ADMINISTRACION) 273443 (GRH) HORAS TEORICAS HORAS PRACTICAS UNIDADES CREDITO SEMESTRE PRE
Más detallesConceptos básicos de metrología
Conceptos básicos de metrología Definiciones, características y estimación de incertidumbres. Lic. Francisco Sequeira Castro 05 de Noviembre, 2014 Qué es la metrología? La metrología es la ciencia de las
Más detallesDesarrollo de un primer modelo simple de escorrentía (caja negra) para el cálculo de la escorrentía superficial en una subcuenca del Fluvià.
Desarrollo de un primer modelo simple de escorrentía (caja negra) para el cálculo de la escorrentía superficial en una subcuenca del Fluvià. Introducción. El presente informe se enmarca dentro del los
Más detallesCONTENIDOS MÍNIMOS BLOQUE 2. NÚMEROS
CONTENIDOS Y CRITERIOS DE EVALUACIÓN DE MATEMÁTICAS 1º DE ESO. Bloque 1: Contenidos Comunes Este bloque de contenidos será desarrollado junto con los otros bloques a lo largo de todas y cada una de las
Más detallesPLANES CURRICULARES GRADO9º/ 01 PERIODO
PLANES CURRICULARES GRADO9º/ 01 PERIODO Grado: 9º Periodo: 01 PRIMERO Aprobado por: G. Watson - Jefe Sección Asignatura: MATEMATICAS Profesor: Gloria rueda y Jesús Vargas ESTANDARES P.A.I. I.B. A. Conocimiento
Más detalles