LISTA DE FIGURAS. Figura 1.1: Estructura de la tesis 16

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

Download "LISTA DE FIGURAS. Figura 1.1: Estructura de la tesis 16"

Transcripción

1 LISTA DE FIGURAS Figura 1.1: Estructura de la tesis 16 Figura 2.2: Región de estudio con la localización geográfica de los 10 lotes monitoreados en el centro y oeste del departamento Río Segundo, Córdoba, Argentina 35 Figura 2.3: Variación que experimentó la cobertura (%C) en 10 lotes de maíz a lo largo del ciclo en Córdoba, Argentina. La barra vertical por encima del valor medio indica el valor positivo de la desviación estándar.. 45 Figura 2.4: Relación de los indicadores de vegetación producidos por AQUA- MODIS (NDVI y EVI) y los valores de reflectividad registrados (banda azul (BLUE), roja (RED), infrarroja cercana (NIR) e infrarroja media (MIR)), respecto de la cobertura del suelo (%C), en 10 lotes de maíz durante el ciclo en Córdoba, Argentina 46 Figura 2.5: Relación entre la cobertura de maíz (%C) y el NDVI discriminado los valores anteriores y posteriores a la cobertura máxima durante el ciclo en Córdoba, Argentina 48 Figura 2.6: Relación entre el NDVI y la cobertura del cultivo del maíz en Córdoba, Argentina, durante el ciclo para distintas condiciones de humedad del suelo. La humedad del suelo promedio de cada lote se encuentra por encima (Grupo 1) y por debajo (Grupo 2) del valor medio general 51 Figura 2.7: Relación entre valores observados a campo de cobertura de maíz (%C) y estimados a partir de distintas alternativas de cómputo de origen satelital: (a) Baret; (b) WDRVI; (c) SAVI; (d) TSAVI; (e) Maas (la función ajustada corresponde al promedio); (f) SDVI. En todos los casos, la línea continua corresponde a la recta identidad (1:1) y la de guiones al modelo de mejor ajuste lineal, durante el ciclo en Córdoba, Argentina. 56 Figura 2.8: Diagrama de dispersión de los valores de reflectividad para los canales rojo e infrarrojo ( ) durante el ciclo de maíz y los propios del suelo sin vegetación ( ) utilizados para calcular la línea de suelo, en Córdoba, Argentina.. 57 Figura 3.9: Ubicación geográfica de los seis lotes de maíz monitoreados el ciclo próximos a la localidad de Pilar, en Córdoba, Argentina, sobre un imagen Landsat 7 ETM+ del 28/11/2005 presentada en una composición de falso color. El número de identificación de los lotes coincide con el de la Tabla 3.6. La imagen muestra un error de bandeo 70 Figura 3.10: Ubicación geográfica de los cuatro lotes de maíz del ciclo próximos a las localidades de Villa del Rosario (1 y 2), Matorrales y Las Junturas (5 y 8), en Córdoba, Argentina, sobre un imagen Landsat 7 ETM+ del 28/11/2005 presentada en una composición de falso color. El número de identificación de los XV

2 lotes coincide con los de la Tabla 1. La imagen muestra un error de bandeo 71 Figura 3.11: Ubicación geográfica de diez lotes de maíz (en verde) monitoreados el ciclo , seis próximos a la localidad de Pilar (el sector se indica por una elipse con línea de puntos) y cuatro cercanos a Villa del Rosario (sector indicado por una elipse con línea continua), en Córdoba, Argentina, sobre un imagen AQUA- MODIS del producto MYD13Q1 correspondiente al periodo centrado por el día juliano 321 (17/11/2005), presentada en una composición de falso color (con la banda NIR en el rojo, la banda roja en el verde y la banda azul en el verde) 72 Figura 3.12: Valores de NDVI de AQUA-MODIS para los 4 píxeles (P fila, columna) más cercanos al lugar de muestreo en el lote 4 durante el ciclo en Córdoba, Argentina, y cobertura del cultivo (COB) hasta el mes de enero cuando el lote estuvo ocupado con maíz 75 Figura 3.13: Nivel de correspondencia (%) alcanzado a nivel de lote y para el conjunto completo (todos y media) obtenido del cociente entre el número de píxeles de correlación estadísticamente aceptable (P < 0,05) entre la cobertura de maíz y el NDVI respecto del número total de píxeles del lote, durante el ciclo en Córdoba, Argentina 77 Figura 4a.14: Región de estudio con la localización de los lotes en el centro y oeste del departamento Río Segundo, Córdoba, Argentina 89 Figura 4a.15: Variación de la cobertura del suelo (%C) y el NDVI con respecto a los días después de la siembra y del estado fenológico del cultivo de maíz en cada día de visita de los lotes 1 (arriba) y 9 (abajo). La barra sobre el valor medio de %C indica su desvío estándar. Córdoba, Argentina, Figura 4a.16: Relación entre las etapas fenológicas de maíz, observadas en cinco lotes de la región de Córdoba, Argentina, durante , y distintas escalas de tiempo: días después de la siembra (arriba) y sumas térmicas: GDD con Tb=8 C (al medio) e Índice General de Temperatura (GTI (1/2) ) tomando el 1 de febrero como fecha de cambio de las funciones vegetativa y reproductiva (abajo). 101 Figura 4a.17: Verificación de los modelos utilizados para estimar la ocurrencia de las etapas fenológicas de maíz durante el ciclo , en Córdoba, Argentina. 102 Figura 4a.18: Relación entre el Índice General de Temperatura (GTI (1/2) ) y las etapas fenológicas observadas en los 10 lotes de maíz del ciclo en Córdoba, Argentina. Se incluyen las funciones de ajuste polinomial, exponencial y bilineal obtenidas para el conjunto. 103 Figura 4a.19: Variación de la tasa de cambio del NDVI respecto al tiempo térmico ( NDVI/ GTI), del NDVI y la etapa fenológica (EF) estimada con el modelo exponencial respecto a la acumulación de tiempo térmico (GTI) a lo largo del ciclo de maíz, en para el lote 1 en Córdoba, Argentina 104 XVI

3 Figura 4a.20: Relación entre el NDVI y las etapas vegetativas observadas del cultivo del maíz en Córdoba, Argentina, durante el ciclo , separando los registros fenológicos que provienen de lotes cuya condición de humedad de suelo fue superior (Grupo 1) e inferior (Grupo 2) al valor medio Figura 4a.21: Etapas fenológicas de maíz observadas y estimadas a partir de las bandas azul (B) e infrarroja cercana (NIR) con el modelo bilineal para el grupo de verificación, en Córdoba, Argentina, Figura 4b.22: Variación del NDVI MODIS de 250 m a lo largo del ciclo, tasa de cambio del NDVI obtenida como la pendiente lineal de una ventana móvil de cinco periodos y las etapas fenológicas estimadas (EFest), para el lote 1 en Córdoba, Argentina. Los días julianos corresponden al final de un año y comienzo del siguiente de manera consecutiva 127 Figura 4b.23: Variación temporal de las etapas fenológicas de maíz observadas (EFobs) y estimadas (EFest) por el procedimiento satelital para el lote 1 (arriba) y el lote 2 (abajo) durante , en Córdoba, Argentina. EFobsi son las etapas fenológicas observadas interpoladas Figura 5a.24: Región de estudio con la localización de los 10 lotes en el centro y oeste del departamento Río Segundo, Córdoba, Argentina. También se incluye la posición geográfica de las localidades de Pilar y Villa del Rosario, y de la estación experimental Manfredi INTA 146 Figura 5a.25: Contenido de agua de la vegetación (CAV m ) en 10 lotes de maíz de la región central de Córdoba, Argentina, con respecto la índice general de temperatura (GTI 1/2 ) durante el ciclo Figura 5a.26: Relación entre el contendido de agua del suelo a dos profundidades (0,40 m y 0,80 m) y el contenido de agua de la canopia de maíz (CAV m ) (arriba) y la biomasa producida (abajo) en 10 lotes de Córdoba, Argentina, durante el ciclo En la figura de arriba se ha agregado el rótulo con la designación de los lotes para los valores de humedad a 0,40 m Figura 5a.27: Coeficientes de correlación (r) entre el contenido de agua de maíz (CAV m ) y distintos índices de vegetación elaborados a partir de los datos radiométricos de MYD09A1 y MYD13Q1, en Córdoba, Argentina, durante el ciclo La línea de guiones señala el r crítico y la barra de puntos al NDVI. 160 Figura 5a.28: Relación entre el NDVI y el contenido de agua en maíz a dos escalas de resolución espacial: 250 (MYD13Q1) y 500 m (MYD09A1) en 10 lotes de Córdoba, Argentina, durante el ciclo Figura 5a.29: Relación entre distintos IV (NDVI, NDWI y MI3) y el contenido de agua de la canopia de maíz (CAV m ) en dos grupos de lotes clasificados de acuerdo al contenido de agua durante el ciclo en Córdoba, Argentina. sel 1 (sel 2) se refiere al grupo de lotes con mayor (menor) contenido de agua XVII

4 Figura 5a.30: Valores observados del contenido de agua de la vegetación en maíz (CAV m ) y estimados a partir de distintos modelos que utilizan IV como variables independientes para los lotes 1 y 3, en Córdoba, Argentina, durante Los modelos se obtuvieron utilizando la técnica piecewise de pendientes parciales y un punto de quiebre de 4,5 kg m Figura 5a.31: Relaciones entre los contenido de agua en maíz (CAV m ) y del suelo (HS) a 0,80 m, con respecto a la suma térmica desde la siembra para el conjunto de lotes del estudio, divididos en dos grupos, durante el ciclo en Córdoba, Argentina. Grupo 1 (Grupo 2) con valores de humedad del suelo por encima (debajo) de la media general Figura 5a.32: Relación entre el contenido de agua del suelo (0-0,80 m) y de la vegetación, tanto observados como estimados con los modelos de la Tabla 5a.20, en los lotes 1 (Grupo 1) y 3 (Grupo 2) 174 Figura 5a.33: Variación del contenido de agua estimado (ASe) y observado (ASo) a distintas profundidades con respecto a la suma térmica desde la siembra en los lotes 1 (Grupo 1) y 3 (Grupo 2) 175 Figura 5a.34: Diagrama de dispersión de la relación entre NIR y SWIR correspondiente a los días de las mediciones de FMC en Córdoba, Argentina, durante el ciclo EG y EF son los segmentos utilizados para obtener el valor del índice de estrés de acuerdo a la expresión EG/EF Figura 5a.35: Relación entre el índice de sequía VWSI y el estado de hidratación de la canopia de maíz, expresado como contenido de humedad del combustible (FMC = ((PF-PS)/PS) 100) y contenido de agua de la vegetación ((PF-PS)/A). 178 Figura 5b.36: Región de estudio con la localización de los 10 lotes de maíz en el centro y oeste del departamento Río Segundo, Córdoba, Argentina, durante el ciclo También se incluye la posición geográfica de las localidades de Pilar y Villa del Rosario, y de la estación experimental Manfredi INTA. 188 Figura 5b.37: Diagrama del árbol de regresión y resultados que se obtienen en cada nodo del modelo para estimar el contenido de agua en maíz a partir del conjunto completo de datos observados a campo en Córdoba, Argentina, durante el ciclo Los nodos terminales con línea continua. %C es la cobertura; MS es la materia seca; AS80; AS20; AS05 es la humedad de suelo a 0,8, 0,2 y 0,05 m; Región es una variable categórica: 1 para Pilar y 2 para Villa del Rosario; N es el número de casos, Mu el valor medio y Var la varianza del grupo 193 Figura 5b.38: Contenido de agua en maíz (CAV m ) observados y estimados, tanto en la etapa de estimación como de validación, en Córdoba, Argentina, durante el ciclo En el gráfico de arriba se presentan los resultados del modelo desarrollado a partir del conjunto completo de datos observados a campo (incluida Región), y en el de abajo se utilizan sólo 3 variables: cobertura del follaje, materia XVIII

5 seca y humedad del suelo a 80 cm. 194 Figura 5b.39: Diagrama del árbol de clasificación y resultados obtenidos en cada nodo del modelo desarrollado para estimar el contenido de agua en maíz a partir del conjunto de datos relevados a campo (excluyendo la materia seca) en Córdoba, Argentina, durante el ciclo Los nodos terminales con línea continua. %C es la cobertura; EFo es la etapa fenológica; Región es una variable categórica: 1 para los lotes de Villa del Rosario con el lote 7 y 2 para los de Pilar; AS80 y AS40 es la humedad de suelo a 80 y 40 cm; ETP_PM es la evapotranspiración de referencia; N es el número de casos, Mu el valor medio y Var la varianza del grupo 195 Figura 5b.40: Contenido de agua en maíz (CAV m ) observados y estimados, tanto en la etapa de estimación como de validación, en Córdoba, Argentina, durante el ciclo En el gráfico de arriba se presentan los resultados del modelo desarrollado a partir del conjunto de datos observados a campo sin incluir la materia seca, y en el gráfico de abajo cuando tampoco se utiliza la variable complementaria Región 196 Figura 5b.41: Diagrama del árbol de clasificación y resultados que se obtienen en cada nodo del modelo desarrollado para estimar el contenido de agua en maíz a partir del conjunto de datos radiométricos de AQUA-MODIS y Región, en Córdoba, Argentina, durante el ciclo Los nodos terminales con línea continua. Red, Blue, NIR y EVI son las bandas roja, azul, infrarroja cercana y el índice de vegetación mejorado, respectivamente; Región es una variable categórica: 1 para los lotes de Villa del Rosario con el lote 7 y 2 para los de Pilar; N es el número de casos, Mu el valor medio y Var la varianza del grupo. 197 Figura 5b.42: Valores de contenido de agua en maíz observados y estimados, de acuerdo al conjunto de predictores utilizados en la etapa de estimación y de validación, en Córdoba, Argentina, durante el ciclo En el gráfico de arriba se presentan los resultados del modelo desarrollado a partir del conjunto completo de datos radiométricos y en el de abajo cuando Región se excluye a priori Figura 6a.43: Región de estudio con la localización de los 10 lotes en el centro y oeste del departamento Río Segundo, Córdoba, Argentina Figura 6a.44: Evolución que presentaron los valores observados (puntos) y estimados de carácter máximo (líneas) de la biomasa aérea en 4 lotes de maíz durante el ciclo en Córdoba, Argentina. Entre paréntesis se indica el sector de procedencia: Villa del Rosario (VR) o Pilar Figura 6a.45: Relación entre los valores observados de biomasa al final del ciclo y estimados con el modelo de productividad máxima en 10 lotes de Córdoba, Argentina, durante la temporada Figura 6a.46: Relación entre el rendimiento en granos observado y estimado a partir del modelo de disminución del rendimiento ocasionado por la merma de la radiación XIX

6 fotosintéticamente activa interceptada (RFAI), la eficiencia en el uso de la radiación (EUR) y el índice de cosecha (IC) para 10 lotes de maíz durante el ciclo en Córdoba, Argentina. El valor estimado se obtiene haciendo la diferencia entre el rendimiento observado y la pérdida de rendimiento asociada al respectivo factor de merma: primero RFAI, luego RFAI y EUR y, por último, RFAI, EUR e IC 223 Figura 6a.47: Relación entre la biomasa área acumulada y el rendimiento en granos en 10 lotes de maíz de la campaña La pendiente de la relación corresponde al índice de cosecha (IC) del experimento. 224 Figura 6a.48: Relación entre la humedad del suelo promedio del perfil (0-80 cm) con la radiación fotosintéticamente activa interceptada (RFAI), la eficiencia en el uso de la radiación (EUR) y el índice de cosecha (IC) en 10 lotes de maíz de Córdoba, Argentina, durante el ciclo Figura 6a.49: Relación entre el contenido volumétrico de agua observado en el perfil (0-0,80 m) y el correspondiente valor estimado a partir del modelo de balance de agua calibrado para las condiciones regionales, en Córdoba, Argentina, durante el ciclo Se discrimina la información indicando se proximidad geográfica de los lotes a Pilar o Villa del Rosario Figura 6a.50: Relación entre el contenido de agua del suelo estimado a dos profundidades con el modelo de balance hidrológico y la eficiencia en el uso de la radiación (EUR) en 10 lotes de maíz de Córdoba, Argentina, durante el ciclo Figura 6a.51: Relación entre los rendimientos de maíz observados en 10 lotes de Córdoba, Argentina, durante el ciclo , y estimados con sendos modelos: uno que utiliza sólo mediciones de campo y otro que utiliza valores de NDVI (AQUA-MODIS) y la eficiencia de conversión de la luz es evaluada según el contenido de agua estimado por un modelo de balance hidrológico ajustado a las condiciones regionales Figura 6b.52: Región de estudio con la localización de los 10 lotes en el centro y oeste del departamento Río Segundo, Córdoba, Argentina. También se incluye la posición geográfica de las localidades de Pilar y Villa del Rosario, y de la estación experimental Manfredi INTA 249 Figura 6b.53: Variación de los valores de cobertura observada (%C) y estimada por AquaCrop antes (CCcal) y posterior a la simulación (CCv) para distintas condiciones de escurrimiento de acuerdo al valor del número de curva (CN) en el lote 2 (arriba) y en el lote 3 (abajo), en Córdoba, Argentina, durante el ciclo Figura 6b.54: Relación entre los valores observados de la biomasa final de maíz y estimados por AquaCrop, con sus respectivas curvas de ajuste, para distintas condiciones de profundidad de raíces (PR) y una CN=75, en 10 lotes de la región central de Córdoba, Argentina, en También se indica la función de XX

7 identidad. 260 Figura 6b.55: Relación entre valores observados y estimados por AquaCrop de biomasa final (arriba) y rendimiento (abajo) de maíz, con sus respectivas curvas de ajuste, para una profundidad de raíces de 1,2 m y distintas condiciones de escurrimiento en 10 lotes de la región central de Córdoba, Argentina, en También se presenta la función identidad Figura 6b.56: Variación de la humedad del suelo observada (HS; puntos) y estimada (HSe; línea continua) para el perfil superficial de 0,40 m en los lotes 2 y 3 de la región central de Córdoba, Argentina, durante el ciclo de maíz Figura 6b.57: Relación entre la cobertura de maíz observada (arriba) y el NDVI escalado (NDVIe) (abajo) con los valores de cobertura estimados por AquaCrop antes (CCcal) y después de la simulación (CCv CN75; PR1.2 ), para el conjunto de lotes monitoreados en la provincia de Córdoba, Argentina, durante el ciclo Figura 6b.58: Relación entre la cobertura de maíz observada (arriba) y el NDVI escalado (NDVIe) (abajo) con los valores de cobertura estimados por AquaCrop, antes (CCcal) y después de la simulación (CCv (CN75; PR1.2), para dos subconjuntos de lotes en Córdoba, Argentina, de acuerdo a la condición de humedad de suelo durante el ciclo : por encima (s1) y por debajo (s2) del promedio. 272 Figura 6b.59: Relación entre los valores de cobertura verde estimados por AquaCrop (CCv CN75; PR1.2) y los producidos por el modelo CCv NDVIe y HS =- 65,4885+4,622*x *y-0,0811*x*x-0,016*x*y-0,0007*y*y, donde x es el contenido de agua volumétrico observado en el perfil 0-40 cm, en tanto y es el valor de NDVI escalado (NDVIe) XXI

INDICE. Prólogo a la Segunda Edición

INDICE. 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 detalles

General Cabrera: Latitud: 32º 48 / Longitud: 63º 52 / Altura s.n.m. 296 m Mes: Octubre 2014

General Cabrera: Latitud: 32º 48 / Longitud: 63º 52 / Altura s.n.m. 296 m Mes: Octubre 2014 BOLETÍN AGROMETEREOLÓGICO ISSN 1851 1783 INTA GENERAL CABRERA General Cabrera: Latitud: 32º 48 / Longitud: 63º 52 / Altura s.n.m. 296 m Mes: Octubre 2014 Días Temperatura del Aire Lluvia (mm) Viento Eto.

Más detalles

Método de cuadrados mínimos

Método 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 detalles

MENDOZA, TUNUYÁN, DIAMANTE, ATUEL, MALARGÜE Y GRANDE

MENDOZA, 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 detalles

Técnicas de teledetección aplicadas a la mejora de la gestión del agua en remolacha

Técnicas de teledetección aplicadas a la mejora de la gestión del agua en remolacha Técnicas de teledetección aplicadas a la mejora de la gestión del agua en remolacha Ignacio Lorite Torres Cristina Santos Rufo IFAPA Alameda del Obispo (Córdoba) Valladolid, Junio 2013 Introducción La

Más detalles

CONCLUSIONES PRELIMINARES

CONCLUSIONES PRELIMINARES 6ta Reunión científica del Servicio de Observación HYBAM Desarrollo de una metodología basada en el empleo de imágenes de satélite para el estudio de humedales altoandinos, y su influencia sobre el balance

Más detalles

ESTIMACIÓN DE SUPERFICIE CULTIVADA CON TRIGO UTILIZANDO DATOS DEL SATELITE LANDSAT EN LA PROVINCIA DE TUCUMÁN Y ÁREAS DE INFLUENCIA CAMPAÑA 2002

ESTIMACIÓN DE SUPERFICIE CULTIVADA CON TRIGO UTILIZANDO DATOS DEL SATELITE LANDSAT EN LA PROVINCIA DE TUCUMÁN Y ÁREAS DE INFLUENCIA CAMPAÑA 2002 PROVINCIA DE TUCUMÁN CONSEJO FEDERAL DE INVERSIONES ESTACIÓN EXPERIMENTAL AGROINDUSTRIAL OBISPO COLOMBRES ESTIMACIÓN DE SUPERFICIE CULTIVADA CON TRIGO UTILIZANDO DATOS DEL SATELITE LANDSAT EN LA PROVINCIA

Más detalles

Campaña de soja y maíz 2012/2013 en Tucumán: superficie sembrada y comparación con campañas anteriores

Campaña de soja y maíz 2012/2013 en Tucumán: superficie sembrada y comparación con campañas anteriores Boletín n N N 80/ Abril de 2013 ISSN 1851-5789 5789 Resumen 1 Campaña de soja y maíz 2012/2013 en Tucumán: superficie sembrada y comparación con campañas anteriores Imágenes satelitales y metodología empleada

Más detalles

CM0244. Suficientable

CM0244. 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 detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,

Más detalles

XXX Congreso Nacional de Riegos. Asociación Española de Riegos y Drenajes (AERYD). Albacete, Junio, 2012

XXX Congreso Nacional de Riegos. Asociación Española de Riegos y Drenajes (AERYD). Albacete, Junio, 2012 Integración de la Red SiAR e imágenes de satélite en la estimación de las necesidades de agua de riego. Aplicación al CENTER y su extensión a grandes áreas. Asociación Española de Riegos y Drenajes (AERYD).

Más detalles

VARIABLES ESTADÍSTICAS BIDIMENSIONALES

VARIABLES ESTADÍSTICAS BIDIMENSIONALES VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes

Más detalles

RIO PARANA EN CORRIENTES

RIO PARANA EN CORRIENTES RIO PARANA EN CORRIENTES Pronóstico estacional de caudales para período Octubre 2015 Marzo 2016 Este pronóstico corresponde al volumen total acumulado en hectómetros cúbicos, a esperar en el río Paraná

Más detalles

El ejemplo: Una encuesta de opinión

El ejemplo: Una encuesta de opinión El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar

Más detalles

Boletín de predicción de cosecha Castilla y León

Boletín de predicción de cosecha Castilla y León Boletín de predicción de cosecha Castilla y León 23 JUNIO 2015 Nº.5 CEREALES La escasez de precipitaciones de mayo y las altas temperaturas de mediados del mismo mes han supuesto una merma importante en

Más detalles

INFORME TRIMESTRAL DE CALIDAD DEL AIRE CUENCA MATANZA-RIACHUELO PERÍODO SEPT - OCT NOV 2015

INFORME TRIMESTRAL DE CALIDAD DEL AIRE CUENCA MATANZA-RIACHUELO PERÍODO SEPT - OCT NOV 2015 INFORME TRIMESTRAL DE CALIDAD DEL AIRE CUENCA MATANZA-RIACHUELO PERÍODO SEPT - OCT NOV 2015 Estructura del Informe Este informe de avance consta de tres partes: 1. Estado de la Red de Aire de la Ciudad

Más detalles

ANÁLISIS DE CAUDALES (II) Profesor Luis Fernando Carvajal

ANÁLISIS 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 detalles

Regresión y Correlación

Regresión y Correlación Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios

Más detalles

EFECTO DE LA VARIABILIDAD CLIMÁTICA EN EL CULTIVO DE MAIZ

EFECTO DE LA VARIABILIDAD CLIMÁTICA EN EL CULTIVO DE MAIZ RECOMENDACIONES Amigo agricultor, no olvides estas RECOMENDACIONES Sembrar el maíz a partir de noviembre, ya que la lluvia y las temperaturas son favorables en le periodo noviembre - abril. Si siembras

Más detalles

Cultivos invernales en la provincia de Tucumán: superficie con trigo y garbanzo en la campaña 2015 y comparación con campañas precedentes

Cultivos invernales en la provincia de Tucumán: superficie con trigo y garbanzo en la campaña 2015 y comparación con campañas precedentes Cultivos invernales en la provincia de Tucumán: superficie con trigo y garbanzo en la campaña 2015 y comparación con campañas precedentes Resumen Imágenes satelitales y metodología empleada Superficie

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7) TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de

Más detalles

Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1

Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta

Más detalles

Análisis de Componentes de la Varianza

Análisis de Componentes de la Varianza Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable

Más detalles

Estación Experimental Agropecuaria Manfredi

Estación Experimental Agropecuaria Manfredi Informe técnico Estación Experimental Agropecuaria Manfredi Año: 15 Resistencia múltiple de Sorghum halepense (sorgo de Alepo) a glifosato y haloxifop R-metil en la provincia de Córdoba, Argentina. Diego

Más detalles

Análisis Probit. StatFolio de Ejemplo: probit.sgp

Análisis 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 detalles

Teoría de la decisión

Teoría 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 detalles

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo

Más detalles

Tema 2. Regresión Lineal

Tema 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 detalles

Sistema de Estimaciones Agrícolas. del Centro - Norte de la Provincia de Santa Fe

Sistema de Estimaciones Agrícolas. del Centro - Norte de la Provincia de Santa Fe INFORME DE LA BOLSA DE COMERCIO DE SANTA FE Y MINISTERIO DE LA PRODUCCIÓN Sistema de Estimaciones Agrícolas del Centro - Norte de la Provincia de Santa Fe INFORME Situación 8/7/215 al 14/7/215 - Nº 215

Más detalles

EFECTO DE LA VARIABILIDAD CLIMÁTICA EN EL CULTIVO DE PAPA

EFECTO DE LA VARIABILIDAD CLIMÁTICA EN EL CULTIVO DE PAPA RECOMENDACIONES Amigo agricultor, no olvides estas RECOMENDACIONES Sembrar la papa a partir del mes de noviembre, ya que la lluvia y las temperaturas son favorables en el periodo noviembre - abril. Si

Más detalles

CORRELACIÓN Y REGRESIÓN. Raúl David Katz

CORRELACIÓN Y REGRESIÓN. Raúl David Katz CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable

Más detalles

Aspectos más salientes del estado del Niño y su impacto actual y perspectiva para los próximos meses

Aspectos más salientes del estado del Niño y su impacto actual y perspectiva para los próximos meses Aspectos más salientes del estado del Niño y su impacto actual y perspectiva para los próximos meses Las condiciones actuales son de un Niño fuerte. Hay una probabilidad cercana al 100% de que esta fase

Más detalles

Plan Especial Alto Guadiana 1

Plan Especial Alto Guadiana 1 1.- ANTECEDENTES...2 2.- OBJETIVOS...2 3.- METODOLOGÍA...2 3.1.- ADQUISICIÓN Y PREPARACIÓN DE IMÁGENES DE SATÉLITE...2 3.2.- DISEÑO, CAPTURA Y ANÁLISIS DE LA MUESTRA DE CAMPO...5 3.3.- OBTENCIÓN DE LA

Más detalles

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS 1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias

Más detalles

Jesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple

Jesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización

Más detalles

Boletín de Predicción de Cosecha Castilla y León

Boletín de Predicción de Cosecha Castilla y León Boletín de Predicción de Cosecha Castilla y León 16 JUNIO 2016 Nº.5 CEREALES La estimación de los rendimientos en este Boletín no varía significativamente con respecto a los que se ofrecieron en el Boletín

Más detalles

Criterios para evaluar la siembra de precisión

Criterios para evaluar la siembra de precisión Criterios para evaluar la siembra de precisión Durante la siembra de precisión, bajo el sistema de siembra directa, la sembradora debe realizar las siguientes operaciones: corte del rastrojo en superficie,

Más detalles

ESTADÍSTICA. Tema 4 Regresión lineal simple

ESTADÍSTICA. Tema 4 Regresión lineal simple ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del

Más detalles

Universidad Tecnológica de Panamá Facultad de Ingenieria Civil

Universidad Tecnológica de Panamá Facultad de Ingenieria Civil Universidad Tecnológica de Panamá Facultad de Ingenieria Civil Tesis: Análisis de los componentes del balance de energía para el cálculo de evapotranspiración en estudios hidrológicos Presentado por: Xiomara

Más detalles

Conceptos básicos de metrología

Conceptos 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 detalles

REPÚBLICA ARGENTINA PROYECTO DE DESARROLLO INSTITUCIONAL PARA LA INVERSIÓN UTF/ARG/017/ARG

REPÚBLICA ARGENTINA PROYECTO DE DESARROLLO INSTITUCIONAL PARA LA INVERSIÓN UTF/ARG/017/ARG REPÚBLICA ARGENTINA PROYECTO DE DESARROLLO INSTITUCIONAL PARA LA INVERSIÓN UTF/ARG/017/ARG ORGANIZACIÓN DE LAS NACIONES UNIDAS PARA LA AGRICULTURA Y LA ALIMENTACIÓN (FAO) MINISTERIO DE AGRICULTURA, GANADERÍA

Más detalles

DETERMINACIÓN DE LA CONSTANTE UNIVERSAL DE LOS GASES

DETERMINACIÓN DE LA CONSTANTE UNIVERSAL DE LOS GASES DETERMINACIÓN DE LA CONSTANTE UNIERSAL DE LOS GASES La ley general de los gases relaciona la presión P, el volumen, la temperatura T, el número de moles n, y la constante universal de los gases R, como

Más detalles

Instituto Nacional de Estadística e Informática

Instituto Nacional de Estadística e Informática 1. Metodología 10 Instituto Nacional de Estadística e Informática 1. Metodología 1.1 INTRODUCCIÓN Las estimaciones y proyecciones que se presentan, corresponden a una proyección derivada, que se ha obtenido

Más detalles

EVENTOS METEOROLÓGICOS DESTACADOS

EVENTOS METEOROLÓGICOS DESTACADOS EVENTOS METEOROLÓGICOS DESTACADOS Reporte semanal y avisos 28/09/2015 PRECIPITACIÓN Y TEMPERATURAS Semana del 21/09 al 27/09 de 2015 ESTADO DE LAS RESERVAS DE AGUA EN SUELO AVISOS DE DÉFICIT Y EXCESOS

Más detalles

c r i a d e r o d e c o l z a 0 0 / c a n o l a Cultivo de Colza

c r i a d e r o d e c o l z a 0 0 / c a n o l a Cultivo de Colza Cultivo de Colza FISIOLOGÍA Requerimientos básicos en cada etapa fenológica Temperatura Humedad Fertilidad Nacimiento Implantación Temperatura Mínima temperatura 10 C. Temperaturas inferiores demoran la

Más detalles

Aspectos más salientes del estado del fenómeno El Niño y su impacto actual y perspectiva para los próximos meses

Aspectos más salientes del estado del fenómeno El Niño y su impacto actual y perspectiva para los próximos meses Aspectos más salientes del estado del fenómeno El Niño y su impacto actual y perspectiva para los próximos meses Las condiciones actuales son de un Niño fuerte. Hay una probabilidad cercana al 100% de

Más detalles

Cálculo de pérdidas de radiación solar por sombras

Cálculo de pérdidas de radiación solar por sombras Cálculo de pérdidas de radiación solar por sombras VI.1 Introducción El presente Anexo describe un método de cálculo de las pérdidas de radiación solar que experimenta una superficie debidas a sombras

Más detalles

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios. ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos

Más detalles

SERVICIO METEOROLÓGICO NACIONAL

SERVICIO METEOROLÓGICO NACIONAL SERVICIO METEOROLÓGICO NACIONAL INFORME DE LAS PRECIPITACIONES OCURRIDAS EN ABRIL 2016 Fecha de emisión: 11 de mayo 2016 Durante el mes de abril de 2016 se registraron numerosos eventos de precipitación,

Más detalles

Este es el quinto informe ordinario de quemas incendios para la temporada 2013 en el Departamento de Petén.

Este es el quinto informe ordinario de quemas incendios para la temporada 2013 en el Departamento de Petén. Este es el quinto informe ordinario de quemas incendios para la temporada 2013 en el Departamento de Petén. 1 Los contenidos de este documento incluyen: Condiciones de fenología: Una secuencia de fotografías

Más detalles

ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO

ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO RELACIÓN DE PROBLEMAS PROPUESTOS DE UNA VARIABLE Curso académico 2004-2005 DPTO. ECONOMÍA APLICADA I 1. Obtener las frecuencias acumuladas, las frecuencias relativas

Más detalles

Ensayos manejo de arveja Zafra 2011

Ensayos manejo de arveja Zafra 2011 211 Ensayos manejo de arveja Zafra 211 Información procesada por el Ing. Agr. Sebastian Mazzilli Trabajo de campo por equipo técnico de Greising & Elizarzú ENSAYOS MANEJO DE ARVEJA ZAFRA 211 1) Introducción.

Más detalles

Tabla VI.7. Distribución de la frecuencia de huesos analizados en este trabajo de tesis en el sitio AS2. 239 Tabla VI.8. Distribución de frecuencias

Tabla VI.7. Distribución de la frecuencia de huesos analizados en este trabajo de tesis en el sitio AS2. 239 Tabla VI.8. Distribución de frecuencias LISTA DE TABLAS Tabla IV.1. Resultados de los fechados radiocarbónicos obtenidos de la fracción orgánica de las superficies de estabilización del paisaje. Modificada de Johnson et al. 1998. 62 Tabla IV.2.

Más detalles

Tema Contenido Contenidos Mínimos

Tema Contenido Contenidos Mínimos 1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.

Más detalles

Método de Análisis del Riesgo (Estudio del Calibrador Atributos)

Método de Análisis del Riesgo (Estudio del Calibrador Atributos) Método de Análisis del Riesgo (Estudio del Calibrador Atributos) Resumen El Método de Análisis del Riesgo cuantifica la incertidumbre de un sistema de medición donde las observaciones consisten de atributos

Más detalles

Hugo Carrão y Paulo Barbosa Disaster Risk Management Unit Directorate E Space, Security and Migration Joint Research Centre http://edo.jrc.ec.europa.eu/scado/ Contenido Antecedentes Motivación El Observatorio

Más detalles

2. INTRODUCCIÓN TEÓRICA

2. INTRODUCCIÓN TEÓRICA 1. INTRODUCCIÓN En Castilla y León los incendios forestales son uno de los principales problemas ambientales, tanto por su elevada frecuencia como por su intensidad. Cuando finalizó la campaña de incendios

Más detalles

4. Regresión Lineal Simple

4. 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 detalles

INTRODUCCIÓN SUELO Perfiles del suelo Papel del suelo en la agricultura Horizonte O y la materia orgánica...

INTRODUCCIÓN SUELO Perfiles del suelo Papel del suelo en la agricultura Horizonte O y la materia orgánica... TABLA DE CONTENIDO Capitulo Introductorio (Revisión Bibliográfica) INTRODUCCIÓN...1 1. SUELO...2 1.1 Perfiles del suelo...2 1.2 Papel del suelo en la agricultura...3 1.3 Horizonte O y la materia orgánica...4

Más detalles

15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:

15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos: 15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo

Más detalles

BOLETIN MES DE OCTUBRE 2015 Nº 11 ESTADO HIDROMETEOROLÓGICO DE LA CUENCA RÍMAC

BOLETIN MES DE OCTUBRE 2015 Nº 11 ESTADO HIDROMETEOROLÓGICO DE LA CUENCA RÍMAC BOLETIN MES DE OCTUBRE 2015 Nº 11 ESTADO HIDROMETEOROLÓGICO DE LA CUENCA RÍMAC DIRECTORIO Ing. Amelia Díaz Pabló Presidenta Ejecutiva del SENAMHI Ing. Ezequiel Villegas Paredes Director Científico Ing.

Más detalles

5. Regresión Lineal Múltiple

5. Regresión Lineal Múltiple 1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente

Más detalles

Evaluación de Huella Hídrica en el sector agrícola para una mejor adaptación al cambio climático

Evaluación de Huella Hídrica en el sector agrícola para una mejor adaptación al cambio climático Evaluación de Huella Hídrica en el sector agrícola para una mejor adaptación al cambio climático Herramientas de cálculo, ejemplos e interpretación de resultados Este curso fue realizado por el Proyecto

Más detalles

CÁTEDRA DE GEOLOGÍA GENERAL TRABAJOS PRÁCTICOS PRÁCTICO Nº1 INTRODUCCIÓN A LA TOPOGRAFÍA Y CARTOGRAFÍA GEOLÓGICA

CÁTEDRA DE GEOLOGÍA GENERAL TRABAJOS PRÁCTICOS PRÁCTICO Nº1 INTRODUCCIÓN A LA TOPOGRAFÍA Y CARTOGRAFÍA GEOLÓGICA CÁTEDRA DE GEOLOGÍA GENERAL TRABAJOS PRÁCTICOS PRÁCTICO Nº1 INTRODUCCIÓN A LA TOPOGRAFÍA Y CARTOGRAFÍA GEOLÓGICA Práctico Nº 1. Parte I: La escala Práctico Nº 1. Parte II: Mapas topográficos y curvas de

Más detalles

Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION.

Tema 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 detalles

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada. ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos

Más detalles

Estrés térmico e hídrico y los componentes del rendimiento del cultivo de soja

Estrés térmico e hídrico y los componentes del rendimiento del cultivo de soja Estrés térmico e hídrico y los componentes del rendimiento del cultivo de soja Josefina Molino Claudia R.C. Vega Adriana G. Kantolic Introducción Estrés térmico por calor: efecto perjudicial de la exposición

Más detalles

Tomamos como imagen de prueba la figura 4.17 en escala de grises. Figura Imagen de prueba.

Tomamos como imagen de prueba la figura 4.17 en escala de grises. Figura Imagen de prueba. 4.3 PARÁMETRO DE ESCALADO Para el caso del parámetro de escalado se va a proceder de la siguiente forma. Partimos de una imagen de referencia (imagen A), a la cual se le aplican cambios de translación

Más detalles

El objetivo último de la agricultura de precisión es la obtención de mayores rendimientos (económicos, medioambientales, sociales ).

El objetivo último de la agricultura de precisión es la obtención de mayores rendimientos (económicos, medioambientales, sociales ). EL USO OPERATIVO DE SARP EN AGRICULTURA DE PRECISIÓN SARP vs Agricultura de precisión www.geodim.es 1 Proyectos europeos Proyectos europeos Agricultura de precisión? La agricultura de precisión es el manejo

Más detalles

COEFICIENTE DE VARIACIÓN Y PUNTAJES TÍPICOS (Guía de clase) FICHA Nº 19

COEFICIENTE DE VARIACIÓN Y PUNTAJES TÍPICOS (Guía de clase) FICHA Nº 19 CEFICIENTE DE VARIACIÓN Y PUNTAJE TÍPIC A. Esta ficha de actividad tiene como objetivo presentar dos pequeños temas vinculados al uso conjunto de las medidas de tendencia y de dispersión que dan lugar

Más detalles

UTILIZACIÓN DE LA CAPACIDAD INSTALADA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE

UTILIZACIÓN DE LA CAPACIDAD INSTALADA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE Montevideo, 28 de octubre de 2009. UTILIZACIÓN DE LA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE 2009 - ANÁLISIS DE LOS PRINCIPALES INDICADORES El grado de utilización de la Capacidad Instalada

Más detalles

GRAFICOS DE CONTROL DATOS TIPO VARIABLES

GRAFICOS DE CONTROL DATOS TIPO VARIABLES GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar

Más detalles

SISTEMA DE ASISTENCIA AL REGANTE (SAR)

SISTEMA DE ASISTENCIA AL REGANTE (SAR) Recomendaciones Semanales de Riego para Fresa en la Comarca Costa Occidental de Huelva (11 al 17 de enero de 2017) Occidental de Huelva (4 al 10 de enero de 2017). / [Gavilán Zafra, P.]. Córdoba. Consejería

Más detalles

Movimiento rectilíneo uniformemente acelerado

Movimiento rectilíneo uniformemente acelerado Movimiento rectilíneo uniormemente acelerado Objetivo General El alumno estudiará el movimiento rectilíneo uniormemente acelerado Objetivos particulares 1. Determinar experimentalmente la relación entre

Más detalles

Aplicación de la teledetección a la estimación de necesidades hídricas de los cultivos. Caso de estudio en los riegos del Porma (León) 28/10/2016

Aplicación de la teledetección a la estimación de necesidades hídricas de los cultivos. Caso de estudio en los riegos del Porma (León) 28/10/2016 Aplicación de la teledetección a la estimación de necesidades hídricas de los cultivos. Caso de estudio en los riegos del Porma (León) 28/10/2016 Introducción al proyecto OPTIREG Aplicación de la teledetección

Más detalles

TERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO

TERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO TERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO PROCESO ANALÍTICO Conjunto de operaciones analíticas intercaladas que se

Más detalles

EFECTO DE LA VARIABILIDAD CLIMÁTICA EN EL CULTIVO DE HABAS

EFECTO DE LA VARIABILIDAD CLIMÁTICA EN EL CULTIVO DE HABAS RECOMENDACIONES: Amigo agricultor, no olvides estas RECOMENDACIONES Sembrar el haba a partir de noviembre, ya que la lluvia y las temperaturas son favorables en el periodo noviembre - abril. Si siembras

Más detalles

MEMORIA DESCRIPTIVA RELEVAMIENTO ARROCERO NACIONAL INFORME DE CAMPAÑA 2014/15: FIN DE SIEMBRA

MEMORIA DESCRIPTIVA RELEVAMIENTO ARROCERO NACIONAL INFORME DE CAMPAÑA 2014/15: FIN DE SIEMBRA MEMORIA DESCRIPTIVA RELEVAMIENTO ARROCERO NACIONAL INFORME DE CAMPAÑA 2014/15: FIN DE SIEMBRA El presente trabajo fue llevado a cabo por parte del equipo técnico de la Asociación Correntina de Plantadores

Más detalles

INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016

INSTITUTO 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 detalles

Análisis matemático de la función de Nelson y Siegel

Análisis 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 detalles

SISTEMA DE ASISTENCIA AL REGANTE (SAR)

SISTEMA DE ASISTENCIA AL REGANTE (SAR) Recomendaciones Semanales de Riego de Fresa para la Comarca Costa Occidental de Huelva (19 al 25 de octubre de 2016) Recomendaciones semanales de riego de fresa para la comarca Costa Occidental de Huelva

Más detalles

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.

3. 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 detalles

Tutorial. HERRAMIENTA WEB / TERRA-i PERU

Tutorial. HERRAMIENTA WEB / TERRA-i PERU HERRAMIENTA WEB / TERRA-i PERU Citación sugerida: PAZ-GARCIA, P. & COCA-CASTRO, A. (2014) Herramienta Web / Terra-i Perú. del proyecto Terra-i-Perú. Versión 1 Resumen El siguiente tutorial contiene la

Más detalles

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

ESTADÍSTICA. 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 detalles

ANEXO 1: Tablas de las propiedades del aire a 1 atm de presión. ҪENGEL, Yunus A. y John M. CIMBALA, Mecánica de fluidos: Fundamentos y

ANEXO 1: Tablas de las propiedades del aire a 1 atm de presión. ҪENGEL, Yunus A. y John M. CIMBALA, Mecánica de fluidos: Fundamentos y I ANEXO 1: Tablas de las propiedades del aire a 1 atm de presión ҪENGEL, Yunus A. y John M. CIMBALA, Mecánica de fluidos: Fundamentos y aplicaciones, 1ª edición, McGraw-Hill, 2006. Tabla A-9. II ANEXO

Más detalles

SOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante

SOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras

Más detalles

ESTADISTICA Y PROBABILIDAD. 1. Encuentra la media, moda, mediana, desviación estándar y varianza de la siguiente distribución de números

ESTADISTICA Y PROBABILIDAD. 1. Encuentra la media, moda, mediana, desviación estándar y varianza de la siguiente distribución de números ESTADISTICA Y PROBABILIDAD 1. Encuentra la media, moda, mediana, desviación estándar y varianza de la siguiente distribución de números a. 22 24 25 27 32 45 65 34 23 23 23 12 42 34 23 23 18 34 23 12 34

Más detalles

Diplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10

Diplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10 DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 10: Regresión y correlación simple. 1. Ajustar una función potencial a los siguientes

Más detalles

SECCIÓN 1. Identificación del conjunto de datos espaciales o producto:

SECCIÓN 1. Identificación del conjunto de datos espaciales o producto: SECCIÓN 1. Identificación del conjunto de datos espaciales o producto: 1.1 Título del conjunto de datos espaciales o producto: Mosaico de color natural Landsat 5 2011 1.2 Propósito: Tener una imagen de

Más detalles

EFECTO DE LA VARIABILIDAD CLIMÁTICA EN EL CULTIVO DE MAÍZ

EFECTO DE LA VARIABILIDAD CLIMÁTICA EN EL CULTIVO DE MAÍZ RECOMENDACIONES: Amigo agricultor, no olvides estas RECOMENDACIONES El periodo de crecimiento de la zona de Curahuasi indica que las condiciones de temperatura y humedad son favorables en el periodo noviembre

Más detalles

Matemáticas. Selectividad ESTADISTICA COU

Matemáticas. Selectividad ESTADISTICA COU Matemáticas Selectividad ESTADISTICA COU 1. Un dentista observa el Nº de Caries en cada uno de los 100 niños de cierto colegio. La información obtenida aparece resumida en la siguiente tabla. Nº Caries

Más detalles

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple

Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción

Más detalles

Cristina Winschel, Alejandro Pezzola, Juan Ignacio Vanzolini y Miguel Angel Cantamutto

Cristina Winschel, Alejandro Pezzola, Juan Ignacio Vanzolini y Miguel Angel Cantamutto LOCALIZACIÓN Y CUANTIFICACIÓN DE LOS INCENDIOS OCURRIDOS A FINES DE DICIEMBRE DE 2014 Y PRINCIPIOS DEL 2015 EN LOS PARTIDOS DE VILLARINO Y PATAGONES, PROVINCIA DE BUENOS AIRES Cristina Winschel, Alejandro

Más detalles

1. Dado el siguiente volumen de ventas de una empresa y su gasto en I+D en miles. Prediga las ventas de este empresario para un gasto en I+D de 7.

1. Dado el siguiente volumen de ventas de una empresa y su gasto en I+D en miles. Prediga las ventas de este empresario para un gasto en I+D de 7. MODELO A Examen de Estadística Económica (2407) 20 de junio de 2009 En cada pregunta sólo existe UNA respuesta considerada más correcta. Si hay dos correctas deberá escoger aquella respuesta que tenga

Más detalles

Relación entre la altura y la distancia del suelo al ombligo

Relación entre la altura y la distancia del suelo al ombligo Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas

Más detalles

FICHA TÉCNICA DE ESTIMACIÓN FBKF TRIMESTRAL POR SECTORES INSTITUCIONALES Año base de referencia 1997

FICHA TÉCNICA DE ESTIMACIÓN FBKF TRIMESTRAL POR SECTORES INSTITUCIONALES Año base de referencia 1997 1 de 7 I.- Presentación: El Banco Central de Venezuela (BCV), en la búsqueda de fortalecer y ampliar la disponibilidad del conjunto de indicadores del país, ofrece al público para su análisis y seguimiento,

Más detalles

Argentina Factores asociados TERCE

Argentina Factores asociados TERCE Factores asociados TERCE a) Desempeño de los estudiantes La tabla 1 expone los resultados de en las pruebas TERCE y su comparación con el promedio de rendimiento regional. Como se observa, los estudiantes

Más detalles

Las estimaciones muestran una recuperación hacia niveles aproximados a los observados previos a la crisis.

Las estimaciones muestran una recuperación hacia niveles aproximados a los observados previos a la crisis. 1.4 SECTOR ELECTRICIDAD, GAS Y AGUA Este sector constituye la Gran División IV en que se divide el PBG provincial. La participación promedio es del 2,3% tomando el período que abarca desde 1991 a 2003,

Más detalles

MODELO DE GEOFORMACIONES CÓNCAVAS PARA RECARGAS DE AGUA SUBTERRÁNEA EN CABECERAS DE CUENCA DEL RÍO JEQUETEPEQUE, CAJAMARCA

MODELO DE GEOFORMACIONES CÓNCAVAS PARA RECARGAS DE AGUA SUBTERRÁNEA EN CABECERAS DE CUENCA DEL RÍO JEQUETEPEQUE, CAJAMARCA MODELO DE GEOFORMACIONES CÓNCAVAS PARA RECARGAS DE AGUA SUBTERRÁNEA EN CABECERAS DE CUENCA DEL RÍO JEQUETEPEQUE, CAJAMARCA Autor: ALEJANDRO ALCÁNTARA BOZA Patrocinador: NÉSTOR MONTALVO ARQUIÑIGO RESUMEN

Más detalles

Objetivos: Principal: Investigar las propiedades de un gas a presión constante. Secundario: Determinar la tasa de enfriamiento de un cuerpo.

Objetivos: Principal: Investigar las propiedades de un gas a presión constante. Secundario: Determinar la tasa de enfriamiento de un cuerpo. ! " # $ %& ' () ) Objetivos: Principal: Investigar las propiedades de un gas a presión constante. Secundario: Determinar la tasa de enfriamiento de un cuerpo. Conceptos a afianzar: Descripción termodinámica

Más detalles