Investigación Operativa I Facultad Ciencias Exactas. UNICEN
|
|
- Julio Rivero Belmonte
- hace 6 años
- Vistas:
Transcripción
1 Investigación Operativa I Facultad Ciencias Exactas. UNICEN Cursada 2013 Ing. Sandra González Cisaro sagonci@exa.unicen.edu.ar
2 Números aleatorios y pseudo-aleatorios Modelos Simulaciones Montecarlo Caso Práctico Aplicaciones Conclusiones
3 Deben tener igual probabilidad de salir elegidos. No debe existir correlación serial Se generan por tablas (Rand 1955), o por dispositivos especiales: ruleta. En la práctica se utilizan algoritmos aritméticos, generándose números pseudoaleatorios.
4 Sustituyen a los números aleatorios. Se generan por algoritmos o fórmulas. Se debe asegurar la existencia de secuencias uniformes, largas y densas. Los números generados deben ser estadísticamente independientes.
5 Números Aleatorios X i+1 =(ax i +c) mod m p(x = x) Validación de Series de NA x Parámetros Variables U (0,1) Generación de Variables Aleatorias
6 Centros cuadrados: 44 2 = Métodos Congruenciales: x n =(ax n-1 + c) (mod m Blum Blum Shub (BBS) Mersenne twister, 32 o 64 bits. Transformación Inversa: x=f -1 (x) siendo F(x)=Prob(X<=x) Distribución uniforme R x = F -1 (R) F(x) x
7 Inicio: Simulación: 1949 Metodo Montecarlo (Von Newmann y Ulam) Simulación (Shannon, 1975) Proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito de entender el comportamiento del sistema o evaluar varias estrategias con las cuales se puede operar el sistema Sistema Conjunto de objetos o de ideas que están relacionados entre si como una unidad para la consecución de un objetivo. Modelo Representación simplificada de un sistema SISTEMA OBSERVACIÓN MODELO
8 Es una abstracción de la realidad. Es una representación de la realidad que ayuda a entender cómo funciona. Es una construcción intelectual y descriptiva de un sistema en el cual un observador tiene interés. Se construyen para ser transmitidos. Se emplean supuestos simples para capturar el comportamiento importante.
9 Un modelo es una abstracción de un sistema desarrollada para entender la realidad y en consecuencia modificarla. No es posible modificar la realidad, en cierta dirección, si es que no se dispone de un modelo que la interprete. Construir modelos es una ciencia y un arte!!
10 Ayuda para el pensamiento Herramienta de predicción Para entrenamiento e instrucción Ayuda para la experimentación Ayuda para la comunicación
11 estocástico determinístico tiempo-continuo tiempo-discreto estático dinámico Estocástico. Uno o más parámetros aleatorios. Entradas fijas produce salidas diferentes Determinístico. Entradas fijas producen salidas fijas Estático. Estado del sistema como un punto en el tiempo Dinámico. Estado del sistema como cambios en el tiempo Tiempo-continuo. El modelo permite que los estados del sistema cambien en cualquier momento. Tiempo-discreto. Los cambios de estado del sistema se dan en momentos discretos del tiempo.
12 Modelo de simulación: conjunto de hipótesis acerca del funcionamiento del sistema expresado como relaciones matemáticas y/o lógicas entre los elementos del sistema. Proceso de simulación: ejecución computacional del modelo a través del tiempo para generar muestras representativas del comportamiento del sistema.
13 Sistema Actual salida(t) entrada(t) parámetros =?? entrada(t) Sistema Simulado salida(t)
14 Se requiere analizar diferentes cambios en la información y su efecto. Se desea experimentar con diferentes diseños o políticas. Se desea verificar soluciones analíticas. Un modelo analítico es imposible o difícil de construir. Se desea estudiar un sistema real y resulta peligroso o costoso hacerlo en el propio sistema real. El sistema a estudiar no existe En Gestión para los casos de What-if
15 Entidad: objeto de interés en el sistema. Atributos. descriptor de las características de una entidad. Estado de un sistema colección de variables que define el sistema en cualquier tiempo. Actividad: conjunto predefinido de acciones en un tiempo determinado. Evento: cambio instantáneo que puede ser asociada con modificación en el estado del sistema. Ambiente del sistema: región del sistema que se está estudiando.
16 El valor de un atributo puede variar en el tiempo: atributos variables o no variables.. Ejemplos de atributos variables son: El número de ensambles en una cola El estado de una máquina (su utilización) El tiempo de término de un ensamble Si el doctor está ocupado o no Ejemplos de atributos no variables son: La ruta de una pieza La secuencia de procedimientos a ejecutar en un paciente con un conjunto particular de síntomas.
17 Entidades 1.Trabajadores 2. Máquinas 3. Estaciones 4. Ensambles Atributos a. Estado [Ocioso(0) o Ocupado(1)] b. Asignada a estación (1,2,3,...) a. Estado [Ocioso(0), ocupado(1), espera reparación(2), reparación(3), en preparación(4)] b. Edad c. Tiempo de procesamiento a. Número en la cola (0,1,2,...) a. Fecha programada b. Ubicación
18 Entidades 1. Doctores 2.Enfermeras 3. Recursos 4. Pacientes Atributos a. Ubicación b. Estado c. Especialidad a. Ubicación b. Estado c. Especialidad a. Estado b. Tipo a. Ubicación b. Condiciones c. Tratamiento proyectado
19 Eventos discretos Se define el modelo cuyo comportamiento varía en instantes del tiempo dados. Los momentos en los que se producen los cambios son los que se identifican como los eventos del sistema o simulación. Montecarlo o simulación estadística Está basada en el muestreo sistemático de variables aleatorias. Continuas: Los estados del sistema cambian continuamente su valor. Estas simulaciones se modelan generalmente con ecuaciones diferenciales. Autómatas celulares: Se aplica a casos complejos, en los que se divide al comportamiento del sistema en subsistemas más pequeños denominadas células. El resultado de la simulación está dado por la interacción de las diversas células.
20 Diseño del Modelo Modelos declarativos Modelos Funcionales Modelos de restricciones Modelos espaciales Algoritmos Aplicaciones Verificación Ejecución del Modelo Análisis de la ejecución Análisis inputoutput Diseño experimental Técnicas respuesta sup Visualización datos Validación
21 Definición, descripción del problema. Plan. Formulación del modelo. Programación. Validación del modelo. Diseño de experimentos y plan de corridas. Análisis de resultados
22 NO Formular el problema Reunir datos y elaborar el modelo Programar el modelo CREACION DEL MODELO O SIMULADOR NO Está validada? SI SI Está verificada? Diseñar el experimento Desarrollar corridas Analizar los datos obtenidos NO Está completa? SI Documentar y poner en práctica USO DEL MODELO O SIMULA DOR
23 Es un proceso relativamente eficiente y flexible. Puede ser usada para analizar y sintetizar una situación real compleja y extensa. En algunos casos la simulación es el único método disponible. Los directivos requieren conocer como se avanza y que opciones son atractivas; el directivo con la ayuda la simulación puede obtener varias opciones de decisión. La simulación no interfiere en sistemas del mundo real. La simulación permite estudiar los efectos interactivos de los componentes individuales o variables para determinar las más importantes. La simulación permite la inclusión de complicaciones del mundo real y realizar comparaciones entre distintos escenarios y/ alternativas posibles.
24 Un buen modelo de simulación puede resultar bastante costoso; a menudo el proceso de desarrollar un modelo es largo y complicado. La simulación no genera soluciones óptimas a problemas de análisis cuantitativos, en técnicas como cantidad económica de pedido, programación lineal o PERT. Por ensayo y error se producen diferentes resultados en repetidas corridas en el computador. Los directivos generan todas las condiciones y restricciones para analizar las soluciones. El modelo de simulación no produce respuestas por si mismo. Cada modelo de simulación es único. Las soluciones e inferencias no son usualmente transferibles a otros problemas. Siempre quedarán variables por fuera y esas variables (si hay mala suerte) pueden cambiar completamente los resultados en la vida real que la simulación no previó... en ingeniería se "minimizan riesgos, no se evitan".
25 Simulación Continua: 1130/CSMP, 360 CSMP y DYNAMO, MISTRAL Simulación a Eventos Discretos: GPSS, SIMSCRIPT, SDL/SIM. Para casos simples podemos recurrir a la utilización de planillas de cálculo. También podemos implementar aplicaciones en los lenguajes Fortran, C++, Java, Dephi,...
26 ?
27 Los responsables de la toma de decisiones necesitan información cuantificable, sobre en diferentes hechos que puedan ocurrir. La simulación constituye una técnica económica que permite ofrecer varios escenarios posibles de un modelo del negocio. La simulación es una rama experimental dentro de la Investigación Operativa.
28 Surge en 1940, para verificar el comportamiento de los electrones y su difusión. El primer trabajo con el nombre Montecarlo method es de Von Neumann y Ulam, en Metodología para realizar simulaciones basada en muestras aleatorias. Se aplica a casos probabilísticos o determinísticos.
29 Determinar la/s V.A. y sus distribuciones acumuladas(f) Generar un número aleatorio uniforme (0,1). Determinar el valor de la V.A. para el número aleatorio generado. Iterar N veces o hasta converger. Calcular media y desviación estándar La convergencia se logra cuando el error = Media real -Media simulada α, α es parámetro
30 Diseñar el modelo lógico de decisión Especificar distribuciones de probabilidad para las variables aleatorias relevantes. Incluir posibles dependencias entre variables. Muestrear valores de las variables aleatorias Calcular el resultado del modelo según los valores del muestreo (iteración) y registrar el resultado Repetir las iteraciones del proceso hasta tener una muestra estadísticamente representativa( o converger) Obtener la distribución de frecuencias del resultado de las iteraciones Calcular media, desvío
31 Número de consultas a un servidor de EIS
32 La VA es la cantidad de consultas al servidor [0,00, 0,05) para el suceso 0 [0,05, 0,15) para el suceso 1 [0,15, 0,35) para el suceso 2 [0,35, 0,65) para el suceso 3 [0,65, 0,85) para el suceso 4 [0,85, 1,00) para el suceso 5
33
34 ALEATORIO() BUSCARV
35 PROMEDIO(H1:Hn) Analíticamente, si quisiéramos saber el número promedio de visitas calcularíamos:
36 Inscribir un circulo en un cuadrado de lado 2. El radio del circulo será 1. El área del cuarto de círculo inscrito en el cuadrante positivo es igual a π /4. -1 Y X Contaremos los puntos que caen en este cuarto del circulo
37 Sorteamos un par de puntos (x, y) entre 0 y 1. Contamos cuantos puntos caen dentro del área del cuarto de círculo (In). Sabemos que si x 2 + y 2 1 el punto está adentro Repetimos ese procedimiento N veces. El valor estimado del área que queremos hallar es In/N ~ π /4 π ~ 4* In/N. Para este caso Montecarlo es lento y poco preciso, es simplemente es un ejemplo del procedimiento.
38 Utilizaremos Montecarlo Puro. Supongamos la siguiente distribución de probabilidades para la V. A. Demanda Frecuencia Acumulada Unidades 0,10 0,10 42,00 0,20 0,30 45,00 0,40 0,70 48,00 0,20 0,90 51,00 0,10 1,00 54,00 Realizaremos varias iteraciones, calcularemos media, desviación y error. También histograma.
39 Transformación del N Aleatorio generado en el valor de la V.A.
40 Resumen de las iteraciones Cantidad de simulaciones Media Desvio Error 10 48,60 3,41 1, ,12 3,16 0, ,87 3,28 0, ,87 3,30 0,03
41 Diseño de reactores nucleares Evolución estelar Física de materiales Métodos de industrial Teoría de Colas cuantitativos organización Criptografía Diseño de VLSI Ecología Econometría Pronóstico del índice de la Bolsa de valores Inventarios
42 Puntos importantes del método Montecarlo: Orden de aparición de los elementos en la simulación Cantidad de iteraciones para lograr la convergencia Método económico con buenos resultados para realizar simulaciones, de fácil comprensión. Es una técnica para generar distintos escenarios. No es una técnica de Optimización
43
44
45 1) 1) A brief overview of what the Monte-Carlo method is and does. // physics.gla gla.ac ac.uk/~donnelly/files/montecarlo/ 2) Arsham H. System Simulation: The Shortest Route to Applications. //home.ubalt ubalt.edu/ntsbarsh/business edu/ntsbarsh/business-stat/simulation/sim stat/simulation/sim.htm htm. 3) Barreto H. and Howland F. Introductory Econometrics via Monte Carlo Simulation with Microsoft Excel. // wabash.edu/econometrics 4) Bong D. Monte Carlo Simulation. // visionengineer.com/mech/monte_carlo_simulation com/mech/monte_carlo_simulation.shtml shtml. 5) Bustamante A. Evaluación de riesgos mediante simulación Monte Carlo. // cema.edu edu.ar/~alebus/riesgo/montecarlo ar/~alebus/riesgo/montecarlo.ppt 6) Deutsch, Leuangthong, Nguyen, Norrena, Ortiz, Oz, Pyrcz, and Zanon. Principles of Monte Carlo Simulation. //www ualberta.ca ca/~ /~cdeutsch cdeutsch/mcs MCS-course course.htm 7) Eppen G., Gould F., Schmidt C., Mootre J., y Weatetherford L. Investigación de Operaciones en la Ciencia Administrativa. Editorial Prentice Hall. 5 Edición ) Hillier F, Lieberman G. Introducción a la Investigación de Operaciones. McGraw-Hill Editores ) Impact of Monte Carlo methods on scientific research. // csm.ornl ornl.gov/ssi gov/ssi- expo/mchist.html html 10) Introduction to Monte Carlo Methods. //csep1.phy phy.ornl ornl.gov/mc/mc gov/mc/mc.html 10)
46 11) 11) Monte Carlo Simulation of Stochastic Processes. // puc- rio.br/marco br/marco.ind/sim_stoc_proc ind/sim_stoc_proc.html 12) Padilla Shannon Ho. Monte Carlo Method. // ccs.uky uky.edu/~douglas/classes/cs edu/~douglas/classes/cs /montecarlo/MonteCarloMethod /montecarlo/montecarlomethod2.ppt 13) Quasi Monte Carlo Simulation. // puc-rio rio.br/marco br/marco.ind/quasi_mc ind/quasi_mc.html 14) Real options with Monte Carlo Simulations. // puc-rio rio.br/marco br/marco.ind/monte ind/monte- carlo.html 15) Silvestre, Moreno, Toscana y Luis. Curso de Simulación Monte Carlo. III Encuentro Nacional de docentes de Investigación Operativa. Facultad de Cs. Económicas. Universidad Nacional del Centro de la Provincia de Buenos Aires ) Simulación. Introducción a la investigación de Operaciones. Facultad de Ingeniería. UDELAR. // fing.edu edu.uy/inco/cursos/io/archivos/teorico/simulacion uy/inco/cursos/io/archivos/teorico/simulacion.pdf 17) H. Investigación de Operaciones una introducción. Editorial Prentice Hall. 6 edición ) Técnicas de Monte Carlo. //mural.uv uv.es/juanama/astronomia/montecarlo es/juanama/astronomia/montecarlo.htm 19) WWW VIRTUAL LIBRARY: RANDOM NUMBERS and MONTE CARLO METHODS SUBSECTION: MONTE CARLO METHODS. //random.mat mat.sbg sbg.ac ac.at/links/monte at/links/monte.html 20) Woller J. Basics of Monte Carlo Simulations. Univ. of Nebraska-Lincoln // chem.unl unl.edu/zeng/joy/mclab/mcintro edu/zeng/joy/mclab/mcintro.html.
Agenda. Números aleatorios. Introducción a la Simulación Método Monte Carlo. Números Pseudoaleatorios. Simulación: Concepto
Introducción a la Simulación Método Monte Carlo Investigación Operativa I Agenda Números aleatorios y pseudoaleatorios Simulaciones Monte Carlo Caso Práctico Aplicaciones Conclusiones Números aleatorios
Más detallesS I M U L A C I Ó N M É T O D O M O N T E C A R L O
S I M U L A C I Ó N M É T O D O M O N T E C A R L O Simulación : es el proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesMODELOS DE INVESTIGACION DE OPERACIONES
MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos
Más detallesde Operaciones Área Académica: Sistemas Computacionales Tema: Tipos de Modelos en Investigación Profesor: I.S.C. Guadalupe Hernández Coca
Área Académica: Sistemas Computacionales Tema: Tipos de Modelos en Investigación de Operaciones Profesor: I.S.C. Guadalupe Hernández Coca Periodo: Julio Diciembre 2011 Keywords: investigation of operations,
Más detallesJosé Márquez Díaz Paul Sanmartín Mendoza Josheff David Céspedes
José Márquez Díaz Paul Sanmartín Mendoza Josheff David Céspedes Barranquilla - Bogotá COLOMBIA, 2013 CONTENIDO PREFACIO... 3 INTRODUCCIÓN... 5 TIPOS DE MODELO DE SIMULACIÓN... 6 PROPÓSITOS DE UNA SIMULACIÓN...
Más detallesCurso de Simulación de. Sistemas
Curso de Simulación de Sistemas Introducción a la Modelación y Simulación de Sistemas MSc. Ing. Julio Rito Vargas Avilés I Cuatrimestre 2015 Bibliografía 2 /62 El desarrollo de nuevas tecnologías en el
Más 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 detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 5 Simulación
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 5 Simulación ORGANIZACIÓN DEL TEMA Sesiones: Introducción Ejemplos prácticos Procedimiento y evaluación de resultados INTRODUCCIÓN Simulación: Procedimiento
Más detallesEvaluación económica de proyectos de inversión utilizando simulación
Jiménez Boulanger, Francisco. Evaluación económica de proyectos de inversión utilizando simulación Tecnología en Marcha. Vol. 19-1. Evaluación económica de proyectos de inversión utilizando simulación
Más detallesCONTENIDO Prefacio CAPITULO 1: Qué es la investigación de operaciones? CAPITULO 2: Introducción a la programación lineal...
CONTENIDO Prefacio XV CAPITULO 1: Qué es la investigación de operaciones? 1 1.1 Modelos de investigación de operaciones 1 1.2 Solución del modelo de investigación de operaciones.. 4 1.3 Modelos de colas
Más detalles1.- INTRODUCCIÓN TEORIA DE COLAS
1.- INTRODUCCIÓN TEORIA DE COLAS 1.1.- Introducción a la teoría de colas Tal y como se ha comentado anteriormente, los sistemas de colas son modelos de sistemas que proporcionan un servicio. Como modelo,
Más detallesLIBRO GUIA: INVESTIGACIÓN DE OPERACIONES Hamdy A. Taha. Editorial Pearson Prentice Hall, 2004
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS: ELÉCTRICA, ELECTRÓNICA, FÍSICA Y CIENCIAS DE LA COMPUTACIÓN PROGRAMA INGENIERÍA DE SISTEMAS Y COMPUTACIÓN ASIGNATURA: INVESTIGACIÓN DE OPERACIONES
Más detallesINGENIERÍA INDUSTRIAL
PROGRAMA DE ASIGNATURA ACTIVIDAD CURRICULAR: SIMULACIÓN Y MODELIZACION DE PROCESOS Código: 952563 Área: Informática Bloque: Tecnologías Aplicadas Nivel: 5º Tipo: Electiva Modalidad: Cuatrimestral Carga
Más detallesPontificia Universidad Católica del Ecuador
Pontificia Universidad Católica del Ecuador Facultad de Ingeniería Escuela de Sistemas E-MAIL: dga@puce.edu.ec Av. 12 de Octubre 1076 y Roca Apartado postal 17-01-214 Fax: 593 2 299 16 56 Telf: 593 2 299
Más detallesSIMULACION MANUAL PROFESOR: DR. 1 JORGE ACUÑA A.
SIMULACION MANUAL La simulación de un sistema solía hacerse en forma manual lo que acarreaba mucho tiempo y paciencia. Esto restringía tremendamente su uso. La computadora era aún mas lenta. PROFESOR:
Más detallesSimulación. Carrera: INE Participantes Representante de las academias de ingeniería industrial de Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Simulación Ingeniería Industrial INE - 0405 2 2 6 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesCarrera: INB Participantes. Representante de las academias de ingeniería industrial de. Academias Ingeniería Industrial.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de Operaciones II Ingeniería Industrial INB-0412 4-0-8 2.- HISTORIA
Más detallesTécnicas de validación y experimentación
Técnicas de validación y experimentación Clase nro 11 Introducción Todo modelo debe ser testeado para asegurarnos que es confiable, no tiene errores y que es aceptado por aquellos que lo van a usar. Luego
Más detallesSECUENCIA DIDÁCTICA. Módulo IV
SECUENCIA DIDÁCTICA Nombre de curso: Simulación de Sistemas Antecedente: Clave de curso: ECOM118 Clave de antecedente: Ninguna. Módulo IV Competencia de Módulo: Desarrollar programas de cómputo utilizando
Más detallesBreve introducción a la Investigación de Operaciones
Breve introducción a la Investigación de Operaciones Un poco de Historia Se inicia desde la revolución industrial, usualmente se dice que fue a partir de la segunda Guerra Mundial. La investigación de
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesFACULTAD DE INGENIERÍAS Y ARQUITECTURA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE MINAS INVESTIGACIÓN DE OPERACIONES. SÍLABO
U N I V E R S I D A D A L A S P E R U A N A S FACULTAD DE INGENIERÍAS Y ARQUITECTURA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE MINAS 1. DATOS GENERALES: INVESTIGACIÓN DE OPERACIONES. SÍLABO CARRERA
Más detallesUNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA 299310 SIMULACION Wilson Almanza M. (Director Nacional) Protocolo Académico AÑO 2013 Director de curso: Ing.
Más 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 detallesUNIVERSIDAD DE LOS LLANOS Facultad de Ciencias Básicas e Ingeniería Programa Ingeniería de Sistemas
CURSO: OPTIMIZACIÓN 1 SEMESTRE: VII 2 CODIGO: 602704 3 COMPONENTE: 4 CICLO: 5 AREA: Profesional 6 FECHA DE AROBACIÓN: 7 NATURALEZA: Teórica 8 CARÁCTER: Obligatorio 9 CREDITOS (RELACIÓN): 3 (1-1) 10 INTENSIDAD
Más 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 detallesSílabo del curso Investigación Operativa II
Sílabo del curso Investigación Operativa II Marzo julio 2013 VI Ciclo Profesor Luis Miguel Sierra 1 I. Datos generales del curso Asignatura : Investigación Operativa II Código : 03145 Requisito : Investigación
Más detallesIntroducción a la Simulación
1. Definición de simulación Introducción a la Simulación Simulación es una técnica numérica para conducir experimentos en una computadora digital, los cuales requieren ciertos tipos de modelos lógicos
Más detallesNombre de la asignatura: Investigación de Operaciones II. Créditos: Aportación al perfil
Nombre de la asignatura: Investigación de Operaciones II Créditos: 2-2-4 Aportación al perfil Analizar, diseñar y gestionar sistemas productivos desde la provisión de insumos hasta la entrega de bienes
Más detallesCarrera: Clave de la asignatura: INB Participantes Representante de las academias de ingeniería industrial de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística I Ingeniería Industrial INB - 0403 4 0 8 2.- HISTORIA DEL PROGRAMA
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS SEMESTRE ASIGNATURA 8vo TEORÍA DE DECISIONES CÓDIGO HORAS MAT-31314
Más detallesPRINCIPIOS DEL MODELAJE DE SISTEMAS
16 de Enero de 2012 PRINCIPIOS DEL MODELAJE DE SISTEMAS (Parte 2) Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Análisis y Diseño de Sistemas José Luis
Más detallesMETODOS CUANTITATIVOS IV
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA CENTRO UNIVERSITARIO DE ORIENTE CIENCIAS ECONÓMICAS PROGRAMA FIN DE SEMANA METODOS CUANTITATIVOS IV GUÍA PROGRAMÁTICA (EDICIÓN 2016) CHIQUIMULA, GUATEMALA ENERO 2016
Más detallesCAPITULO 1: PERSPECTIVE GENERAL DE LA
CONTENIDO CAPITULO 1: PERSPECTIVE GENERAL DE LA INVESTIGACION DE OPERACIONES 1 1.1 Modelos matemáticos de investigación de operaciones. 1 1.2 Técnicas de investigación de operaciones 3 1.3 Modelado de
Más detalles4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC: A continuación se muestran los objetivos así como los mapas funcionales según la línea de acentuación y la línea
Más detallesTema 2 Introducción a la Programación en C.
Tema 2 Introducción a la Programación en C. Contenidos 1. Conceptos Básicos 1.1 Definiciones. 1.2 El Proceso de Desarrollo de Software. 2. Lenguajes de Programación. 2.1 Definición y Tipos de Lenguajes
Más detallesINGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN
INGENIERÍA HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística Aplicada 2. Competencias Dirigir proyectos de tecnologías de información (T.I.) para contribuir a
Más detallesTEMA 1. Introducción a las técnicas de modelado y simulación
TEMA 1. Introducción a las técnicas de modelado y simulación Objetivos Definir el concepto de simulación digital. Definir modelo matemático. Distinguir los diversos tipos de sistemas y modelos, desde el
Más detallesModelos, Simulación, y Optimización
Modelos, Simulación, y Optimización Aplicaciones en la industria, logística, y operaciones de negocios. Como ahorrar costos, reducir riesgos y obtener el máximo retorno de las inversiones Agenda Que es
Más detallesModelos Estocásticos. Simulación de fenómenos estocásticos. Simulación de fenómenos estocásticos. Definición. Por qué fenómenos estocásticos?
Definición Modelos Estocásticos Breve introducción Se denomina estocástico (del latín stochasticus, "hábil en hacer conjeturas") a un sistema cuyo comportamiento es intrínsecamente no determinístico. El
Más detallesINVESTIGACIÓN OPERATIVA Resolución Nº 376/10 R. ANEXO Carga Horaria: 150 horas Programa vigente desde: 2011 Carrera Año Cuatrimestre
INVESTIGACIÓN OPERATIVA Resolución Nº 376/10 R. ANEXO Carga Horaria: 150 horas Programa vigente desde: 2011 Carrera Año Cuatrimestre INGENIERÍA EN SISTEMAS Tercero Segundo CORRELATIVA PRECEDENTE (*) CORRELATIVA
Más 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 detallesAño Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS
Año Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS Investigación de operaciones I UNIDAD Unidad I: Programación lineal Conjuntos convexos, propiedades. Solución gráfica del problema bidimensional
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesPrograma de estudio INVESTIGACIÓN DE OPERACIONES
1.-Área académica Técnica 2.-Programa educativo INGENIERÍA MECÁNICA ELÉCTRICA 3.-Dependencia académica Facultad de Ingeniería Mecánica Eléctrica Región Xalapa, Veracruz, Cd. Mendoza, Poza Rica y Coatzacoalcos.
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN
TÉCNICO SUPERIOR UNIVERSITARIO EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Desarrollo de Habilidades De Pensamiento
Más detallesDIPLOMADO. Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N.
DIPLOMADO Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N. Trabajo Final Propuesta Metodológica del área de Ciencias
Más detalles2. Codificar de forma sistemática la secuencia de instrucciones en un lenguaje.
Modulo 1. Introducción a los lenguajes de programación La solución de problemas mediante en uso de un computador nos lleva a desarrollar programas o aplicaciones, la construcción de estos programas debe
Más detallesPATRONES DE DISTRIBUCIÓN ESPACIAL
PATRONES DE DISTRIBUCIÓN ESPACIAL Tipos de arreglos espaciales Al azar Regular o Uniforme Agrupada Hipótesis Ecológicas Disposición al Azar Todos los puntos en el espacio tienen la misma posibilidad de
Más detallesEstadística II. Carrera: INB Participantes. Representante de las academias de ingeniería industrial de Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística II Ingeniería Industrial INB - 0408 4 0 8 2.- HISTORIA DEL PROGRAMA
Más detallesUNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS FORESTALES Y AMBIENTALES ESCUELA DE INGENIERIA FORESTAL RÉGIMEN ANUAL PROGRAMA
UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS FORESTALES Y AMBIENTALES ESCUELA DE INGENIERIA FORESTAL RÉGIMEN ANUAL PROGRAMA 1. IDENTIFICACIÓN DIRECCION DE OPERACIONES (NV) Prelación: Departamento: Ingeniería
Más detalles1. Unidad Académica: Facultad de Ciencias
UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA COORDINACIÓN DE FORMACIÓN BÁSICA COORDINACIÓN DE FORMACIÓN PROFESINAL Y VINCULACIÓN UNIVERSITARIA PROGRAMA DE UNIDADES DE APRENDIZAJE POR COMPETENCIAS 1. Unidad
Más detallesSimulación. Problema del jardinero. Modelo de stock aleatorio. Camino crítico.
Simulación Temario de la clase Introducción. Generacion de variables aleatorias: método de la transformada inversa. Avance del tiempo de simulación. Determinación de la cantidad de iteraciones requeridas.
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesEstadística. Presentación general
Estadística Presentación general Definiciones, conceptos y alcance En lo que sigue voy a formular algunas preguntas y también presentarles algunas respuestas, algunas ideas y algunos comentarios, que espero
Más detallesCabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS
Cabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS NUMEROS ALEATORIOS Los números random son un elemento básico en la simulación de la mayoría de los sistemas discretos.
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA CIVIL
PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA CIVIL 1. DATOS INFORMATIVOS MATERIA O MODULO: ESTADÍSTICA CARRERA: INGENIERÍA CIVIL NIVEL: 2 No. CREDITOS 4 CREDITOS
Más detalles1. INTRODUCCIÓN N A LOS MODELOS (#1)
1. INTRODUCCIÓN N A LOS MODELOS (#1) Qué es un modelo y para qué sirve? Un modelo es una representación formal de un fenómeno real. En general los modelos que veremos aquí serán cuantitativos. Los modelos
Más detallesLINEAS DE ESPERA. En diferentes ocaciones de la vida, la mayoria de las personas que viven en la sociedad moderna han esperado
LINEAS DE ESPERA 1.- INTRODUCCION: En diferentes ocaciones de la vida, la mayoria de las personas que viven en la sociedad moderna han esperado en una fila para recibir algún servicio. Esperar podría incluir
Más detallesPROGRAMA ASIGNATURA. Horas Cronológicas Semanales Presénciales Adicionales Total. Nº de Semanas (A) (B) (C=A+B) (D) (E=C*D) (F=E/27)
PROGRAMA ASIGNATURA Facultad: Carrera: INGENIERIA INGENIERIA EN CONSTRUCCION 1.- IDENTIFICACIÓN DE LA ASIGNATURA: a. Nombre: INVESTIGACION OPERATIVA b. Código: ICN 411 c. Nivel (semestre en que se ubica):
Más detallesCarrera: Clave de la asignatura: INB Participantes Representante de las academias de ingeniería industrial de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística I Ingeniería Industrial INB-0403 4-0-8.- HISTORIA DEL PROGRAMA Lugar
Más detallesPROGRAMA DE ESTUDIO ANALITICO CARRERA INGENIERÍAS DE SISTEMAS
República Bolivariana de Venezuela. Ministerio Del Poder Popular para la Defensa. Universidad Nacional Experimental Politécnica de la fuerza Armada Bolivariana U.N.E.F.A PROGRAMA DE ESTUDIO ANALITICO CARRERA
Más detallesDiseño y simulación de un algoritmo basado en lógica difusa para el despacho de ascensores en un edificio
Diseño y simulación de un algoritmo basado en lógica difusa para el despacho de ascensores en un edificio PROYECTO FIN DE CARRERA Ingeniería de Telecomunicación Autor: Guillermo Iglesias García Director:
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.0 Semana 4.0 Optativa Prácticas 0 16 Semanas 64.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTADES DE ECONOMÍA E INGENIERÍA LICENCIATURA EN ECONOMÍA Y NEGOCIOS PROGRAMA DE ESTUDIO Investigación de Operaciones I P86 /P75 /P96 08 Asignatura: Clave Semestre
Más detallesGeneración de variables aleatorias continuas Método de rechazo
Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS CARRERA: CIENCIAS DE LA INFORMÁTICA LÍNEA CURRICULAR: COORDINACIÓN: DEPTO. DE CIENCIAS DE LA INGENIERÍA.
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN MATEMÁTICAS APLICADAS Y COMPUTACIÓN ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1409 SEMESTRE: 4 (CUARTO) MODALIDAD
Más detallesUNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE CIENCIAS DE LA COMUNICACIÓN
UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE CIENCIAS DE LA COMUNICACIÓN Carrera: Licenciatura en Periodismo Asignatura: Estadística Social Curso: 2 año Año lectivo: 2016 Carga horaria
Más detallesTransporte I. 29 Hoja 1 de 4. Programa de: Código: 0029
29 Hoja 1 de 4 Programa de: Transporte I UNIVERSIDAD NACIONAL DE CÓRDOBA Facultad de Ciencias Exactas, Físicas y Naturales República Argentina Carrera: Ingeniería Civil Escuela: Ingeniería Civil. Departamento:
Más detallesIntroducción a la Ingeniería Básicas de Ingeniería
010-14-04 1 de 5 1. IDENTIFICACIÓN Nombre de la Asignatura Código Área Introducción a la Ingeniería 9900033 Básicas de Ingeniería Naturaleza No de Créditos TP Trabajo Presencial TD Trabajo Dirigido TI
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesMÓDULO: MÉTODOS CUANTITATIVOS
MÓDULO: MÉTODOS CUANTITATIVOS 1.- Nombre del módulo y las asignaturas: Métodos Cuantitativos Econometría Avanzada Econometría Financiera 2.-Número de créditos ECTS: Econometría Avanzada: 6 ECTS. Econometría
Más detallesÍNDICE. Parte uno Planeación Maestra... 35
ÍNDICE Capítulo 1. Ambientes de Administración de la Producción e Inventarios (PIM).. 1 Estrategia de posicionamiento del producto... 2 Diseños de procesos de producción (Estrategia de posicionamiento
Más detallesSISTEMAS DE APOYO A LA TOMA DE DECISIONES : DSS y EIS
IIC3712 GESTIÓN de las TEC. de INFORMACIÓN SISTEMAS DE APOYO A LA TOMA DE DECISIONES : DSS y EIS Ignacio Casas R. Escuela de Ingeniería Pontificia Universidad Católica de Chile Mayo, 2002 Qué es la Toma
Más detallesEspecialidad en Preparación y Evaluación de Proyectos
Especialidad en Preparación y Evaluación de Proyectos TEMARIO FASE TEÓRICA 1. Análisis contable para la evaluación de proyectos Proporcionar a los participantes las habilidades y capacidades para aplicar
Más detallesProbabilidad y Estadística Descripción de Datos
Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad
Más detallesconceptos básicos de la Estadística Descriptiva Descriptiva según fundamentos de la estadística
INSTITUTO NACIONAL DE APRENDIZAJE Núcleo Sector Comercio y Servicios Subsector Administración Descripción específica del módulo Nombre del Módulo: Principios de Estadística Duración: 60 horas Objetivo
Más detallesCarrera Plan de Estudios Contacto
Carrera Plan de Estudios Contacto Sabías que los números son capaces de explicar cualquier realidad? Si te interesa explicar la realidad a través de ellos y estás dispuesto a poner todo tu esfuerzo en
Más detallesESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL Organiza: INSTITUTO CÁNTABRO DE ESTADÍSTICA http://www.icane.es Responsable: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas
Más detallesIngeniería de Sistemas. Teoría de colas y juegos
Ingeniería de Sistemas Teoría de colas y juegos DEFINICIÓN Estudio analítico del comportamiento de líneas de espera. DEFINICIÓN OBJETIVOS DE LA TEORÍA DE COLAS Identificar el nivel óptimo de capacidad
Más detallesConceptos básicos estadísticos
Conceptos básicos estadísticos Población Población, en estadística, también llamada universo o colectivo, es el conjunto de elementos de referencia sobre el que se realizan las observaciones. El concepto
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2007 DIURNO INGENIERÍA DE SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2007 DIURNO INGENIERÍA DE SISTEMAS SEMESTRE ASIGNATURA 7mo PROCESOS ESTOCASTICOS CÓDIGO HORAS MAT-31414
Más detallesBLOQUE III: SENTIDO ESTADÍSTICO COMO OBJETO DE ENSEÑANZA/APRENDIZAJE. MODULO 6: Probabilidad MODULO 7: Estadística
BLOQUE III: SENTIDO ESTADÍSTICO COMO OBJETO DE ENSEÑANZA/APRENDIZAJE. MODULO 6: Probabilidad MODULO 7: Estadística 1 MODULO 6: Probabilidad 6.1. La probabilidad cuando se considera como contenido en Primaria
Más detallesBeatriz Elena Vera Lizcano
Evaluación de errores de datos sismológicos y sus efectos sobre los parámetros y modelos derivados de éstos para una región determinada cubierta por la red del Observatorio Sismológico del SurOccidente
Más detallesTema I. La computación en el profesional de la Ingeniería
Tema I. La computación en el profesional de la Ingeniería Objetivo: El alumno describirá el desarrollo de la computación y de los beneficios que esto conlleva, para poderla emplear en sus quehaceres académicos
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS. CARRERA: INGENIERÍA EN INFORMÁTICA. ACADEMIAS: INVESTIGACIÓN DE OPERACIONES. COORDINACIÓN: DEPARTAMENTO
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 10 Estadísticos muestrales y sus aplicaciones Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir las propiedades de los estadísticos muestrales.
Más detallesSimulación. Unidad I: Introducción n a la Simulación 1.1 Definiciones e importancia de la simulación n en la ingeniería
1.1 Definiciones e importancia de la simulación n en la ingeniería Simulación es una técnica numérica para conducir experimentos en una computadora digital, los cuales requieren de ciertos tipos de modelos
Más 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 detallesModelos de Equilibrio General Computable; El Enfoque Macro Micro
Modelos de Equilibrio General Computable; El Enfoque Macro Micro Martín Cicowiez (CEDLAS UNLP) Taller y Reuniones de Trabajo del Proyecto de Actualización e Institucionalización del MAMS Ecuador, Quito,
Más detallesTEMA 1: SISTEMAS MODELADOS POR ECUACIONES DIFERENCIALES EN INGENIERÍA QUÍMICA. CLASIFICACIÓN. GENERALIDADES.
TEMA 1: SISTEMAS MODELADOS POR ECUACIONES DIFERENCIALES EN INGENIERÍA QUÍMICA. CLASIFICACIÓN. GENERALIDADES. 1. INTRODUCCIÓN. PLANTEAMIENTO DE PROBLEMAS EN INGENIERÍA QUÍMICA 2. PROBLEMAS EXPRESADOS MEDIANTE
Más detallesTeoría de la decisión Estadística
Pruebas de hìpótesis Unidad 8. Pruebas de hipótesis. Formulación general. Distribución de varianza conocida. Prueba para la bondad del ajuste. Validación de modelos 1 Formulación Una Hipótesis es una proposición
Más detallesEs un conjunto de palabras y símbolos que permiten al usuario generar comandos e instrucciones para que la computadora los ejecute.
Los problemas que se plantean en la vida diaria suelen ser resueltos mediante el uso de la capacidad intelectual y la habilidad manual del ser humano. La utilización de la computadora en la resolución
Más detallesModelos de Inventarios
Modelos de Inventarios 1. Qué significa PERT? Program Evaluation Review Technique Técnica de Revisión de Evaluación de Programa 2. Qué significa las siglas C.E.P Cantidad Económica de Pedidos 3. Para qué
Más detallesCARTA DESCRIPTIVA (FORMATO MODELO EDUCATIVO UACJ VISIÓN 2020)
CARTA DESCRIPTIVA (FORMATO MODELO EDUCATIVO UACJ VISIÓN 2020) I. Identificadores de la asignatura Instituto: Departamento: Materia: Instituto de Ciencias Sociales y Administración Departamento de Ciencias
Más 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 detalles