Preparación de Datos. Preparación de datos
|
|
- Manuel Plaza Soler
- hace 8 años
- Vistas:
Transcripción
1 Preparación de Datos Dr. Ing. Biom. Elmer A. Fernández Universidad Católica de Córdoba Fac. Ingeniería Preparación de datos Esta es una etapa crítica. En esta etapa se acondicionan los datos que luego van a alimentar el modelo o la herramienta de análisis. La salida de esta etapa es un/os conjunto/s de datos que serán utilizados por la etapa de modelado y validación. Realice un informe donde describa los conjuntos de datos generados en esta etapa. 1
2 Preparación de los Datos: Selección de datos Tareas: Decidir los datos a utilizar para el análisis. Los criterios deben incluir la relevancia para el objetivo de DM, calidad y restricciones técnicas (volumen o tipos de datos). La selección implica la selección tanto de atributos como de registros. Salida de esta etapa: La lista de datos incluidos/excluidos y las razones de ello. La inclusión / exclusión de registros (pacientes) es de vital importancia en protocolos en medicina. La inclusión/exclusión de atributos suele ser en sí mismo un problema de DM. Preparación de los Datos: Selección de datos Cuantos datos son suficientes? Test de Hipótesis? Variable continuo o nominal? Machine Lerning? Entranamiento/Validación/Evaluación? 2
3 Preparación de datos: Limpieza de datos Tareas: Esta etapa es muy importante: Eleva la calidad de los datos adquiridos / seleccionados. Aplicación de filtros, inserción de valores, estimación de datos faltantes, tratamiento de outliers. Salidas de esta etapa: Describa que decisiones y acciones fueron realizadas para la limpieza. Es aquí donde se resuelven los problemas determinados en Verificación de la Integridad y Calidad de los Datos. Las transformaciones realizadas y el motivo de las mismas, como el posible impacto en el modelo de análisis. Limpieza de Datos Valores Faltantes Son muy comunes en aplicaciones médicas. Se deben tratar y modelar cuidadosamente. Su tratamiento depende tanto del negocio como de la herramienta de análisis Estrategias Eliminar el dato Promediar (ej. VFC) Identificación NAN (métodos de clustering) Valor neutro para la herramienta de análisis. (Cuidado en BPN o SVM). 3
4 Limpieza de Datos Valores Faltantes Deben reemplazarse por varias razones: 1. Varios métodos de modelado no pueden manejarlos (cast out) 2. Los métodos por defecto pueden distorsionar la información si el método es inadecuado 3. El modelador debe conocer y controlar las características del método de reemplazo 4. La mayoría de los métodos desechan la información contenida en el patrón del valor faltante Limpieza de Datos Valores Faltantes Identifique el Patrón de los Variables Faltantes. Patrón sobre datos Patrón sobre variables. Los VF son información en muchos casos VF son una Variable nominal 4
5 Limpieza de Datos Valores Faltantes Reemplazo de Valores Faltantes: Tarea muy costosa computacional y temporalmente. Específicos con el campo/problema/variable_tipo Adecuado para: Entrenamiento/Evaluación/Ejecución Limpieza de Datos Valores Faltantes A tener en cuenta: Estimador sin sesgo: Estimador: dispositivo que realiza una adivinación justificable de un valor Sin sesgo: que no cambia significativamente las características de la variable Relaciones de variabilidad Mantener la forma de distribución de la variable 5
6 Limpieza de Datos Valores Faltantes Preservación de media o variabilidad: preserva a Preserva preserva preserva Posicion Original miss 11 media la var la media la var ?? ?? promedio sd error Limpieza de Datos Valores Faltantes Preservación de media o variabilidad: preserva a Preserva preserva preserva Posicion Original miss 11 media la var la media la var ?? ?? promedio sd error Desventajas: Para Varios VF genera un solo valor. Si no conocemos la medio verdadera, no sabemos si sumamos o restamos la DS 6
7 Limpieza de Datos Valores Faltantes Relaciones entre Variables: Métodos de regresión (ver BaseD1.xls nueva) Redes Neuronales Redes Auto asociativas Estimador de vecinos cercanos. Limpieza de Datos Outliers Son datos infrecuentes, que suelen estar fuera de rango. Si se separa el dato, conviene almacenarlo para una etapa de validación o análisis. Estrategias de detección: BoxPlot Histogramas Análisis de Medias, Mediana, Moda y Rangos Gráficos tipo temporal Estrategias de solución Filtrado (ARMA, Medianas) Normalización sigmoidea Umbralar 7
8 Limpieza de Datos Outliers Máximos y Mínimos de la muestra : confianza Estos definirán el rango de la muestra Siempre hay chances de encontrar outliers en la muestra Menor es la muestra, mayor la P(ourlier/muestra), mayor diferencia entre el rango de la muestra y el de la población Limpieza de Datos Outliers Problemas durante la fase de entrenamiento: Eliminar el dato Introducción de bias Rango inválido 8
9 Limpieza de Datos Outliers Problemas durante la fase de evaluación Problemas durante la fase de Ejecución Construcción de datos Tareas Producción de variables derivadas, o datos. Simulación de datos. Suele realizarse cuando hay pocos datos representando un determinado evento. Cuando se incorpora ruido. Salidas: Atributos derivados. (Ej. IMC, Sup. Corp., VOP, etc.) Descripción de los nuevos registros. Por ejemplo cuando por cuestiones de modelado resulte interesante incorporar alguna información que no sea necesaria contar en el conjunto de datos. 9
10 Construcción de datos Remapeo de variables nominales. 1 de N M de N > Construcción de datos Mapeo de variables Nominales: Posicion Numero Nombre Altura Peso codigo FechaNaci Altura-Norm D 34 pp a 10/02/ D 38 vm b 30/08/ F 21 miv c 14/09/ F 23 ts d 18/05/ D 22 dm e 27/01/ F 24 STh e 09/01/ F 44 JH f 29/08/ D 5 SQ f 22/10/ D 33 ZZ f 22/04/ F 37 PaP g 23/04/ R 55 IU h 01/10/ F 26 MR h 11/03/ D 43 PB j 27/01/ F 28 MB k 19/03/ F 27 ShC m 13/08/ D 52 CrR n 13/09/ F 17 BeB p 24/08/ F 49 BrS q 24/02/ F 25 ViD q 17/12/ F 71 SebD r 15/02/ F 15 EH s 19/12/ F 8 MarkR t 01/02/ D 29 BerettC u 23/12/ R 11 SakuK u 23/11/ G 35 AnM v 18/02/ G 41 JocT w 12/01/
11 > Construcción de datos Mapeo de variables Nominales: Posicion Numero Nombre Altura Peso codigo FechaNaci Altura-Norm Est. Val. Peso D 34 pp 6.5? a 10/02/ D 38 vm 6.3? b 30/08/ F 21 miv 6.08? c 14/09/ F 23 ts 6.25? d 18/05/ D 22 dm 6.17? e 27/01/ F 24 STh 6.25? e 09/01/ F 44 JH 6.25? f 29/08/ D 5 SQ 6.25? f 22/10/ D 33 ZZ 6.08? f 22/04/ F 37 PaP 6.08? g 23/04/ R 55 IU 6.08? h 01/10/ F 26 MR 6.08? h 11/03/ D 43 PB 6.17? j 27/01/ F 28 MB 6.08? k 19/03/ F 27 ShC 6.08? m 13/08/ D 52 CrR 6.17? n 13/09/ F 17 BeB 6? p 24/08/ F 49 BrS 6.08? q 24/02/ F 25 ViD 6.08? q 17/12/ F 71 SebD 5.92? r 15/02/ F 15 EH 5.83? s 19/12/ F 8 MarkR 5.83? t 01/02/ D 29 BerettC 6? u 23/12/ R 11 SakuK 5.83? u 23/11/ G 35 AnM 5.67? v 18/02/ G 41 JocT 5.92? w 12/01/ promedio > Construcción de datos Mapeo de variables Nominales: Peso Norm Valor est Cor =
12 > Construcción de datos Mapeo de variables Nominales: Posicion Numero Nombre Altura Peso codigo FechaNaci Altura-Norm D 34 pp a 10/02/ D 38 vm b 30/08/ F 21 miv c 14/09/ F 23 ts d 18/05/ D 22 dm e 27/01/ F 24 STh e 09/01/ F 44 JH f 29/08/ D 5 SQ f 22/10/ D 33 ZZ f 22/04/ F 37 PaP g 23/04/ R 55 IU h 01/10/ F 26 MR h 11/03/ D 43 PB j 27/01/ F 28 MB k 19/03/ F 27 ShC m 13/08/ D 52 CrR n 13/09/ F 17 BeB p 24/08/ F 49 BrS q 24/02/ F 25 ViD q 17/12/ F 71 SebD r 15/02/ F 15 EH s 19/12/ F 8 MarkR t 01/02/ D 29 BerettC u 23/12/ R 11 SakuK u 23/11/ G 35 AnM v 18/02/ G 41 JocT w 12/01/ > Construcción de datos Mapeo de variables Nominales: Posicion Numero Nombre Altura Peso codigo Altura N PesoN ma mp D 29 BerettC u D 52 CrR n D 43 PB j D 5 SQ f D 33 ZZ f D 22 dm e D 38 vm b D 34 pp a F 8 MarkR t F 15 EH s F 71 SebD r F 49 BrS q F 25 ViD q F 17 BeB p F 27 ShC m F 28 MB k F 26 MR h F 37 PaP g F 44 JH f F 24 STh e F 23 ts d F 21 miv c G 41 JocT w G 35 AnM v R 11 SakuK u R 55 IU h D F G R 12
13 > Construcción de datos Mapeo de variables Nominales: Posicion Numero Nombre Altura Peso codigo Altura N PesoN ma mp D 29 BerettC u D 52 CrR n D 43 PB j D 5 SQ f D 33 ZZ f D 22 dm e D 38 vm b D 34 pp a F 8 MarkR t F 15 EH s F 71 SebD 5.92 D 188 r F 49 BrS 6.08 F 191 q F 25 ViD q G F 17 BeB p F 27 ShC 6.08 R 199 m F 28 MB 6.08 pred 202 k F 26 MR h F 37 PaP g F 44 JH f F 24 STh e F 23 ts d F 21 miv c G 41 JocT w G 35 AnM v R 11 SakuK u R 55 IU h Tarea Integración de datos Métodos para la integración de distintas tablas, bases de datos o registros. Salida Un nuevo conjunto de datos integrado. Este tipo de prácticas suele aumentar la cantidad de variables de los datos. 13
14 Normalización de datos Tarea Ciertas herramientas necesitan que los datos estén dentro de un determinado rango de valores. Para independizar los datos de la fuente o bien que los atributos sean comparables en algún sentido Salida Atributos en un nuevo rango dinámico. Datos con distribuciones alteradas. Debe generar un informe sobre las técnicas aplicadas. En general debería volverse al estado original una vez que la información atraviesa el modelo. Normalización de datos Min-Max : Transformación lineal. Lleva el rango original de las variables a uno especificado por el usuario. y min y y ' = + max y min y ( max y' min y' ) min y' 14
15 Normalización de datos MinMax Ventajas Preserva las relaciones originales No produce ningún corrimiento (bias) No produce cambios en la FDP (PDF) Desventajas Alta sensibilidad a outliers Normalización de datos MinMax Algunas estrategias para la incorporacion de outliers: El recíproco: 1-1/os y 1/(1+(RangoMin-oi)) donde os y oi son valores fuera de rango o outliers (superiores e inferiores). Softmax 15
16 Normalización de datos Zscore : Transformación lineal. Lleva el rango original de las variables a tener un valor medio de cero y un desvío estándar de uno. y y y' = dest y Normalización de datos Zscore Ventajas Preserva las relaciones originales No produce ningún corrimiento (bias) No produce cambios en la FDE (PDF) Desventajas Idem anterior. Se suele utilizar cuando no se conocen los máximos y mínimos, a partir de estimaciones parciales de vmed y dest. 16
17 Normalización de datos Sigmoidea : Transformación No-lineal. Lleva el rango original de las variables al intervalo 1, 1. Los datos dentro de la región de un desvío estándar sobre la media se mapean en la región lineal. Los outliers son comprimidos en 1, 1. 1 e y' = 1+ e α α y y α = dest y Normalización de datos Sigmoidea Ventajas Mas robusta a outliers Desventajas Cambios en la PDF 17
18 Normalización de datos Log - Ln : Transformación No-lineal. Aplica el logaritmo a los datos originales. Es muy útil cuando se desea comparar datos que son cocientes entre alguna otra variable. y'= log ( y) Normalización de datos > log r log(r2) Index Index Histogram of r2 Histogram of log(r2) Frequency Frequency r log(r2) 18
19 Normalización de datos Promediación Umbralamiento PCA Uniformidad de histogramas (equalización) Normalización de datos (Ventajas) Espacio de estado normalizado => Medida de distancia normalizada Distancia Máxima Distancia Mínima 19
20 Formateo de datos Tareas Esta es un etapa ineludible. Refiere fundamentalmente a la alteración sintáctica de los registros. Nunca cambia el significado del dato. Suele ser un requerimiento de la herramienta de modelado Salida Archivos de intercambio, protocolos de comunicación entre programas, etc. Reordenamiento de datos (BPN, usualmente necesita los archivos randomizados) 20
Curso Comparabilidad de resultados
Curso Comparabilidad de resultados Director: Gabriel A. Migliarino. Docente: Evangelina Hernández. Agenda Introducción. n. Protocolos iniciales de comparación de métodos. m * EP9-A2. CLSI. * Comparación
Más detallesModelos de Inventarios
Universidad Simón Bolívar Modelos de Inventarios PS-4162 GESTION DE LA PRODUCCION II Contenido Modelos de inventario Demanda independiente vs dependiente Costos de almacenamiento, lanzamiento y preparación
Más detallesData Mining Técnicas y herramientas
Data Mining Técnicas y herramientas Introducción POR QUÉ? Empresas necesitan aprender de sus datos para crear una relación one-toone con sus clientes. Recogen datos de todos lo procesos. Datos recogidos
Más detallesGestión de Configuración del Software
Gestión de Configuración del Software Facultad de Informática, ciencias de la Comunicación y Técnicas Especiales Herramientas y Procesos de Software Gestión de Configuración de SW Cuando se construye software
Más detallesSEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática
SEMINARIOS (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática Seminario de Estadística Descriptiva Unidimensional y Bidimensional 1. Se ha realizado un control de calidad en
Más detalles2.11.1 CONTRATAS Y SUBCONTRATAS NOTAS
NOTAS 1 Cuando en un mismo centro de trabajo desarrollen actividades trabajadores de dos o más empresas, éstas deberán cooperar en la aplicación de la normativa sobre prevención de riesgos laborales. A
Más detallesUN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS
UN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS Wilson Mayorga M. Director de Cámara de Vida y Personas y Actuaría Con base en modelos de regresión que explican la evolución de las
Más detallesSistemas de Información Geográficos (SIG o GIS)
Sistemas de Información Geográficos (SIG o GIS) 1) Qué es un SIG GIS? 2) Para qué sirven? 3) Tipos de datos 4) Cómo trabaja? 5) Modelos de datos, Diseño Conceptual 6) GeoDataase (GD) 7) Cómo evaluamos
Más detallesLa documentación en el Sistema de Calidad
Referencias en el MMC del CNC 6.4 Documentación (20 puntos) La documentación en el Sistema de Calidad Describa los sistemas empleados para recabar, ordenar, preservar y difundir los conocimientos y tecnologías
Más detallesLas Normas ISO 9000 del 2000
Las Normas ISO 9000 del 2000 La serie de Normas ISO 9000 son un conjunto de enunciados, los cuales especifican que elementos deben integrar el Sistema de Gestión de la Calidad de una Organización y como
Más detalles+ Cómo ahorrar dinero con Software Quality
+ Cómo ahorrar dinero con Software Quality Qué es Software Quality Assurance? Porqué facilita el ahorro de dinero? Introducción El objetivo de este documento es explicar qué es Software Quality Assurance,
Más detallesEduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
Más detallesPropuesta Matriz de Actividades para un Ciclo de Vida de Explotación de Datos
Propuesta Matriz de Actividades para un Ciclo de Vida de Explotación de Datos Britos, P. 1,2 ; Fernández, E. 2,1 ; García Martínez, R 1,2 1 Centro de Ingeniería del Software e Ingeniería del Conocimiento.
Más detallesMANUAL DE CALIDAD ISO 9001:2008
Página 1 de 21 MANUAL DE CALIDAD ISO 9001:2008 EMPRESA DE DISTRIBUCION DE ALUMINIO Y VIDRIO ELABORADO POR: APROBADO POR: REPRESENTANTE DE LA ALTA DIRECCIÓN GERENTE PROPIETARIO Página 2 de 21 CONTENIDO
Más detallesRECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS EN IMÁGENES CON TRANSFORMADA SIFT
UNIVERSIDAD CARLOS III DE MADRID ESCUELA POLITÉCNICA SUPERIOR INGENIERÍA TÉCNICA DE TELECOMUNICACIÓN (ESPECIALIDAD EN SONIDO E IMAGEN) PROYECTO FIN DE CARRERA RECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS
Más detallesParte I: Introducción
Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one
Más detalles2 EL DOCUMENTO DE ESPECIFICACIONES
Ingeniería Informática Tecnología de la Programación TEMA 1 Documentación de programas. 1 LA DOCUMENTACIÓN DE PROGRAMAS En la ejecución de un proyecto informático o un programa software se deben de seguir
Más detallesINSTRUCTIVO PARA LA CUENTA DE PUNTOS FUNCIÓN
INSTRUCTIVO PARA LA CUENTA DE PUNTOS FUNCIÓN INDICE Introducción...2 Frontera de la aplicación...3 Cuenta de Puntos Función sin ajustar...3 Funciones de Datos...4 Funciones Transaccionales...4 Mecanismo...5
Más detallesLa calidad de los datos ha mejorado, se ha avanzado en la construcción de reglas de integridad.
MINERIA DE DATOS PREPROCESAMIENTO: LIMPIEZA Y TRANSFORMACIÓN El éxito de un proceso de minería de datos depende no sólo de tener todos los datos necesarios (una buena recopilación) sino de que éstos estén
Más detallesEstas visiones de la información, denominadas vistas, se pueden identificar de varias formas.
El primer paso en el diseño de una base de datos es la producción del esquema conceptual. Normalmente, se construyen varios esquemas conceptuales, cada uno para representar las distintas visiones que los
Más detallesTEMA 3: TRATAMIENTO DE DATOS EN MS. EXCEL (I)
VARIABLES Variable: característica de cada sujeto (cada caso) de una base de datos. Se denomina variable precisamente porque varía de sujeto a sujeto. Cada sujeto tiene un valor para cada variable. El
Más detallesEl reto de la Gestión Documental
El reto de la Gestión Documental Introducción Quizá la pregunta más habitual que nos hacemos al considerar soluciones de Gestión Documental sea cómo puedo digitalizar la enorme cantidad de documentos que
Más detallesMaster en Gestion de la Calidad
Master en Gestion de la Calidad Registros de un Sistema de Gestion de la Calidad Manual, procedimientos y registros 1 / 9 OBJETIVOS Al finalizar esta unidad didáctica será capaz: Conocer que es un registro
Más detallesTema 2. Ingeniería del Software I feliu.trias@urjc.es
Tema 2 Ciclo de vida del software Ingeniería del Software I feliu.trias@urjc.es Índice Qué es el ciclo de vida del Software? El Estándar 12207 Modelos de proceso Qué es el Ciclo de Vida del SW? Definición
Más detallesCapítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI
Capítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI La segunda fase del NIPE corresponde con la adecuación de las intervenciones de enfermería del sistema de clasificación N.I.C. (Nursing Intervention
Más detallesIII Reunión Nacional de Ciencias de la Tierra 2002, Puerto Vallarta ESTIMACIÓN N DE LA PRECIPITACIÓN EN EL VALLE DE MÉXICO M Y RADAR METEOROLÓGICO
III Reunión Nacional de Ciencias de la Tierra Nov. 4-8, 4 2002, Puerto Vallarta ESTIMACIÓN N DE LA PRECIPITACIÓN EN EL VALLE DE MÉXICO M USANDO DATOS DE PLUVIÓMETROS Y RADAR METEOROLÓGICO Martín n DíazD
Más detallesProceso Unificado de Rational PROCESO UNIFICADO DE RATIONAL (RUP) El proceso de desarrollo de software tiene cuatro roles importantes:
PROCESO UNIFICADO DE RATIONAL (RUP) El proceso de desarrollo de software tiene cuatro roles importantes: 1. Proporcionar una guía de actividades para el trabajo en equipo. (Guía detallada para el desarrollo
Más detallesMedia vs mediana vs moda Cual medida de tendencia central es mas adecuada? MEDIA conveniencias:
Iniciar con las interpretaciones de las medidas MEDIA VS MEDIANA VS MODA CUAL ES LA MEDIDA ADECUADA TAREA MEDIA PONDERADA Actividad de Medidas de Localización Problema 1. El problema de las tasas de delito.
Más detallesIngeniería del Software I Clase de Testing Funcional 2do. Cuatrimestre de 2007
Enunciado Se desea efectuar el testing funcional de un programa que ejecuta transferencias entre cuentas bancarias. El programa recibe como parámetros la cuenta de origen, la de cuenta de destino y el
Más detallesLISTA DE CHEQUEO NORMA NTC ISO 9001:2000 No. REQUISITOS EXISTE ESTADO OBSERVACIONES D: Documentado I: Implementado M: Mejorar SI NO D I M
No. REQUISITOS EXISTE ESTADO OBSERVACIONES 4. SISTEMA DE GESTION DE LA CALIDAD 4.1 Requisitos Generales La organización debe establecer, documentar, implementar y mantener un S.G.C y mejorar continuamente
Más detallesVisión global del KDD
Visión global del KDD Series Temporales Máster en Computación Universitat Politècnica de Catalunya Dra. Alicia Troncoso Lora 1 Introducción Desarrollo tecnológico Almacenamiento masivo de información Aprovechamiento
Más detallesMODELOS DE INVENTARIO
MODELOS DE INVENTARIO Los modelos de inventarios son métodos que ayudan a reducir o minimizar los niveles de inventario requeridos en la producción. Existen varios métodos que nos ayudan a conseguir dicho
Más detallesCOPIAS DE SEGURIDAD AUTOMÁTICAS DE DIRECCIONES CALLEÇPAÑA
COPIAS DE SEGURIDAD AUTOMÁTICAS DE DIRECCIONES CALLEÇPAÑA Autor: Carlos Javier Martín González. Licenciado en Física Teórica por la Universidad Autónoma de Madrid. Analista programador y funcional. Desarrollador
Más detalles4.4.1 Servicio de Prevención Propio.
1 Si se trata de una empresa entre 250 y 500 trabajadores que desarrolla actividades incluidas en el Anexo I del Reglamento de los Servicios de Prevención, o de una empresa de más de 500 trabajadores con
Más detallesAplicaciones de Estadística Descriptiva
Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos
Más detallesJornada informativa Nueva ISO 9001:2008
Jornada informativa Nueva www.agedum.com www.promalagaqualifica.es 1.1 Generalidades 1.2 Aplicación Nuevo en Modificado en No aparece en a) necesita demostrar su capacidad para proporcionar regularmente
Más detallesFACTORING INTRODUCCIÓN
06 DE OCTUBRE DE 2006 BOLETIN INTRODUCCIÓN Para atraer nuevos clientes y conservar los que se tienen, la mayoría de las empresas encuentran que es necesario ofrecer crédito Las condiciones de este, pueden
Más detallesDE VIDA PARA EL DESARROLLO DE SISTEMAS
MÉTODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS 1. METODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS CICLO DE VIDA CLÁSICO DEL DESARROLLO DE SISTEMAS. El desarrollo de Sistemas, un proceso
Más detallesMEDICIÓN DEL TRABAJO: TIEMPO NORMAL, TIEMPO ESTÁNDAR.
MEDICIÓN DEL TRABAJO: TIEMPO NORMAL, TIEMPO ESTÁNDAR. Sesión 07 ANTECEDENTES: Origen de la Ingeniería de Métodos MEDICIÓN DEL TRABAJO: Definición Es la parte cuantitativa del estudio del trabajo que se
Más detallesLas Normas ISO 9000. Puede ser un producto material, un producto informático, servicio, información, etc.
Las Normas ISO 9000 La serie de Normas ISO 9000 son un conjunto de enunciados, los cuales especifican que elementos deben integrar el Sistema de Gestión de la Calidad de una Organización y como deben funcionar
Más detallesCOMISIÓN PARA EL SEGUIMIENTO DE LA CALIDAD EN LA PRESTACIÓN DE LOS SERVICIOS DE TELECOMUNICACIONES
CRITERIOS ADICIONALES PARA LA APLICACIÓN DEL ACUERDO DE LA COMISIÓN PARA EL SEGUIMIENTO DE LA CALIDAD DE 21 DE NOVIEMBRE DE 2008 El Acuerdo de la Comisión de Calidad de 21 de noviembre de 2008 se interpreta
Más detallesAprendizaje Automático y Data Mining. Bloque IV DATA MINING
Aprendizaje Automático y Data Mining Bloque IV DATA MINING 1 Índice Definición y aplicaciones. Grupos de técnicas: Visualización. Verificación. Descubrimiento. Eficiencia computacional. Búsqueda de patrones
Más detallesPlan de estudios ISTQB: Nivel Fundamentos
Plan de estudios ISTQB: Nivel Fundamentos Temario 1. INTRODUCCIÓN 2. FUNDAMENTOS DE PRUEBAS 3. PRUEBAS A TRAVÉS DEL CICLO DE VIDA DEL 4. TÉCNICAS ESTÁTICAS 5. TÉCNICAS DE DISEÑO DE PRUEBAS 6. GESTIÓN DE
Más detallesLo que usted debe saber para Validar o Verificar sus métodos de ensayo Subdirección de Gestión de Calidad de Laboratorios de Salud Pública Septiembre
Lo que usted debe saber para Validar o Verificar sus métodos de ensayo Subdirección de Gestión de Calidad de Laboratorios de Salud Pública Septiembre 2015 AGENDA 1 Definición 2 Por qué validar? 3 Previo
Más detallesInforme final de evaluación del seguimiento de la implantación de títulos oficiales GRADO EN COMUNICACIÓN AUDIOVISUAL
Informe final de evaluación del seguimiento de la implantación de títulos oficiales 2013 GRADO EN COMUNICACIÓN AUDIOVISUAL Facultad de Ciencias de la Comunicación UCJC INFORMACIÓN PUBLICA Valoración Final
Más detallesKANBAN. Elaboración: Masayuki Daimon Letycia Pailamilla Garcés Pablo Allende Vidal Profesor Juan Sepúlveda Salas
Agencia de Cooperación Internacional del Japón Universidad de Santiago de Chile Facultad de Ingeniería Departamento de Ingeniería Industrial KANBAN Elaboración: Masayuki Daimon Letycia Pailamilla Garcés
Más detallesPrincipios de Contabilidad Generalmente Aceptados C8 y Norma Internacional de Contabilidad No. 38
Capítulo IV Principios de Contabilidad Generalmente Aceptados C8 y Norma Internacional de Contabilidad No. 38 4. BOLETIN C8 PCGA 4.1 Definición Activos Intangibles Este boletín establece las reglas particulares
Más detallesCURSO DE LEAN SIGMA TRANSACCIONAL PARA BLACK BELTS Dr. P. Reyes www.icicm.com CURSO DE BLACK BELTS EN LEAN SIGMA TRANSACCIONAL
CURSO DE BLACK BELTS EN LEAN SIGMA TRANSACCIONAL Duración: 80 horas distribuidas en dos módulos de 40 horas. OBJETIVO Formar los Black Belts del programa Seis Sigma Transaccional de la empresa u organización,
Más detallesMedidas de tendencia central o de posición: situación de los valores alrededor
Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas
Más detallespunto, es que los criterios de evaluación de las medidas antes citadas se ajustan a las medidas señaladas para la toma del indicador VTD.
CONSULTA Para esta Comisión es muy importante conocer los comentarios sectoriales relacionados con el contenido del entregable presentado por la firma Iteco en el marco del Contrato 038 de 2014, para avanzar
Más detallesLa evaluación del desempeño es un aspecto
EVALUACIÓN DEL DESEMPEÑO La evaluación del desempeño en las organizaciones de actividad física y deporte En la actualidad, la evaluación del desempeño está adquiriendo mucha importancia y relevancia, considerándose
Más detallesInforme final de evaluación del seguimiento de la implantación de títulos oficiales
Informe final de evaluación del seguimiento de la implantación de títulos oficiales 2013 MÁSTER UNIVERSITARIO EN ACTIVIDAD FÍSICO-DEPORTIVA, PERSONAS CON DISCAPACIDAD E INTEGRACIÓN SOCIAL Facultad de Formación
Más detallesInforme final de evaluación del seguimiento de la implantación de títulos oficiales
Informe final de evaluación del seguimiento de la implantación de títulos oficiales 2013 MÁSTER UNIVERSITARIO EN FORMACIÓN PARA PROFESOR DE EDUCACIÓN SECUNDARIA OBLIGATORIA Y BACHILLERATO Facultad de Humanidades
Más detallesBoletín de Calidad Dirección General de Aeronáutica Civil
Boletín de Calidad Dirección General de Aeronáutica Civil Av. Zorritos 1203, 6to. Piso Cercado de Lima Perú CT Sistema Integrado de Gestión - CTSIG Háganos llegar sus opiniones a: dgac_calidad@mtc.gob.pe
Más detallesFUNDAMENTOS DE ADMINISTRACIÓN Y GESTIÓN
FUNDAMENTOS DE ADMINISTRACIÓN Y GESTIÓN 2º Bachillerato. Curso 2008/2009 CONTENIDOS MÍNIMOS Para cumplir los objetivos propuestos, en el Decreto 70/2002 de 23 de mayo los contenidos de la materia Fundamentos
Más detallesPlan de Mantenimiento Preventivo de Aparatos y Equipos. Loles Franco Jose Manuel Cebrián
Plan de Mantenimiento Preventivo de Aparatos y Equipos Loles Franco Jose Manuel Cebrián 1 1. Conceptos generales: Mantenimiento, Verificación y Calibración 2. Por qué se requiere el control de los equipos?
Más detallesCAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de
CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de inventarios para lograr un control de los productos.
Más detallesOptimizar recursos y asegurar cumplimiento metrológico Buenos Aires 7 de Agosto 2015 EXPOFYBI
Optimizar recursos y asegurar cumplimiento metrológico Buenos Aires 7 de Agosto 2015 EXPOFYBI Operación que establece, una relación entre los valores y sus incertidumbres de medida asociadas obtenidas
Más detallesMetodología básica de gestión de proyectos. Octubre de 2003
Metodología básica de gestión de proyectos Octubre de 2003 Dentro de la metodología utilizada en la gestión de proyectos el desarrollo de éstos se estructura en tres fases diferenciadas: Fase de Éjecución
Más detallesDeterminación del nivel de influencia
Determinación del nivel de influencia Aquí se describirán cada una de las características mencionadas y cómo analizar su grado de influencia en la determinación del factor de ajuste. - Comunicación de
Más detallesIntroducción: Modelos, Escalas y Métricas. Valentin Laime. Calidad de Software
Calidad de Software: Introducción: Modelos, Escalas y Métricas Valentin Laime Calidad de Software 10/28/2014 1 Modelos Un modelo es una abstracción de la realidad, que permite abstraer detalles y visualizar
Más detallesV SEMINARIO DE CALIDAD DEL AIRE EN ESPAÑA CONTROL Y GARANTÍA DE CALIDAD
CONTROL Y GARANTÍA DE CALIDAD PROPUESTA DE DIRECTIVA (Anexo I) Las autoridades y organismos competentes designados en virtud del artículo 3, deberán: Garantizar la trazabilidad de las mediciones (UNE EN
Más detallesGASTO METABOLICO DE ENERGIA
GASTO METABOLICO DE ENERGIA Indice Introducción Conceptos Básicos de Metabolismo Métodos Usados para Evaluar la Demanda Metabólica de una Tarea Desarrollo del Método Predictivo AAMA Cálculos del Modelo
Más detallesUnidad VI: Supervisión y Revisión del proyecto
Unidad VI: Supervisión y Revisión del proyecto 61. Administración de recursos La administración de recursos es el intento por determinar cuánto, dinero, esfuerzo, recursos y tiempo que tomará construir
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesLas Reglas de Westgard más Six Sigma, igual a Mejores Métodos, Mejor Control de la Calidad. Gabriel Alejandro Migliarino
Las Reglas de Westgard más Six Sigma, igual a Mejores Métodos, Mejor Control de la Calidad. Gabriel Alejandro Migliarino Agenda Introducción Definiciones Métrica Sigma Introducción Calidad Analítica y
Más detallesDISTRIBUCIÓN DE FRECUENCIAS
UNIVERSIDAD DE COSTA RICA ESCUELA DE ESTADÍSTICA Prof. Olman Ramírez Moreira DISTRIBUCIÓN DE FRECUENCIAS FUENTE: Gómez, Elementos de Estadística Descriptiva Levin & Rubin. Estadística para Administradores
Más detallesInforme final de evaluación del seguimiento de la implantación de títulos oficiales
Informe final de evaluación del seguimiento de la implantación de títulos oficiales 2014 MÁSTER UNIVERSITARIO EN DIRECCIÓN DE PROTOCOLO, PRODUCCIÓN, ORGANIZACIÓN Y DISEÑO DE EVENTOS Facultad de Ciencias
Más detallesEquipos a Presión. Condiciones de Seguridad Industrial y Laboral. Marco Normativo. Calderas. Lugo, 25 de octubre de 2011 1 CAMPAÑA EUROPEA SOBRE MANTENIMIENTO SEGURO Principales Objetivos: Sensibilizar
Más detallesNorma Internacional ISO 9001:2008: Sistemas de Gestión de la Calidad- Requisitos. 4. Sistema de Gestión de la Calidad
Norma Internacional ISO 9001:2008: Sistemas de Gestión de la Calidad- Requisitos 4. Sistema de Gestión de la Calidad Figura N 1. Estructura del capítulo 4, Norma ISO 9001:2008. La Norma ISO 9001: 2008
Más detallesFAQ - EXPEDIENTE 067/12-SI. Servicio de certificación de calidad de aplicaciones y productos software
FAQ - EXPEDIENTE 067/12-SI Servicio de certificación de calidad de aplicaciones y productos software Apartado 7.2.2 Solvencia técnica y profesional específica (Pliego de Condiciones Particulares: Los apartados
Más detallesTEMA 5 ESTUDIOS CORRELACIONALES.
TEMA 5 ESTUDIOS CORRELACIONALES. 1. INTRODUCCIÓN. 2. CONCEPTO DE CORRELACIÓN. 3. CASOS EN LOS QUE SE UTILIZA LA INVESTIGACIÓN CORRELACIONAL. 4. LIMITACIONES DE LOS ESTUDIOS CORRELACIONALES 1 1. INTRODUCCIÓN.
Más detallesSOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE TRANSPORTE Y ASIGNACION.
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERÍA DE LA PRODUCCIÓN INGENIERÍA INDUSTRIAL SOLUCION DE MODELOS DE PROGRAMACION LINEAL EN UNA HOJA DE CALCULO. PROBLEMAS DE
Más detallesInforme final de evaluación del seguimiento de la implantación de títulos oficiales MÁSTER UNIVERSITARIO EN GESTIÓN SANITARIA
Informe final de evaluación del seguimiento de la implantación de títulos oficiales 2014 MÁSTER UNIVERSITARIO EN GESTIÓN SANITARIA Facultad de Ciencias de la Salud y de la Educación UDIMA INFORMACIÓN PUBLICA
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesPREPROCESADO DE DATOS PARA MINERIA DE DATOS
Ó 10.1007/978-3-319-02738-8-2. PREPROCESADO DE DATOS PARA MINERIA DE DATOS Miguel Cárdenas-Montes Frecuentemente las actividades de minería de datos suelen prestar poca atención a las actividades de procesado
Más detallesComente: Los bancos siempre deberían dar crédito a los proyectos rentables. Falso, hay que evaluar la capacidad de pago.
Explique Brevemente en que consiste el leasing y nombre los diferentes tipos existentes. Es un mecanismo de financiamiento de Activos el cual permite el uso del activo por un periodo determinado a cambio
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesActualización de la Norma ISO 9001:2008
Actualización de la Norma ISO 9001:2008 Porqué se actualiza la norma? Existe un ciclo para revisar las normas ISO para mantener las normas actualizadas. Se debe mantener la actualización con desarrollos
Más detallesPrograma de las Naciones Unidas para el Medio Ambiente
NACIONES UNIDAS EP Programa de las Naciones Unidas para el Medio Ambiente Distr. Limitada UNEP/OzL.Pro/ExCom/38/42 26 de octubre de 2002 ESPAÑOL ORIGINAL: INGLÉS COMITÉ EJECUTIVO DEL FONDO MULTILATERAL
Más detallesInforme final de evaluación del seguimiento de la implantación de títulos oficiales
Informe final de evaluación del seguimiento de la implantación de títulos oficiales 2013 MÁSTER UNIVERSITARIO EN TECNOLOGÍA PARA EL DESARROLLO HUMANO Y LA Escuela Técnica Superior de Ingenieros Agrónomos
Más detallesELABORACIÓN DE PLATOS PREPARADOS PROCESO SENCILLO?
de elaboración de platos preparados ainia 16 de febrero de 2011 Pablo García Pascual (pgarcia@ainia.es) ELABORACIÓN DE PLATOS PREPARADOS PROCESO SENCILLO? Elaboración de platos preparados Se trata de preparar
Más detallesinnovadora y simple tres etapas Inicial, Intermedia y Final
Pontificia Universidad Católica de Chile IIC2100 Taller de Herramientas Computacionales para Ingeniería Profesor: Ignacio Casas. Ayudantes: Consuelo Pavón, Constanza Gómez Proyecto Semestral Modelación
Más detallesMÁQUINA DE VECTORES DE SOPORTE
MÁQUINA DE VECTORES DE SOPORTE La teoría de las (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas
Más detallesSISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES T11: Métodos Kernel: Máquinas de vectores soporte {jdiez, juanjo} @ aic.uniovi.es Índice Funciones y métodos kernel Concepto: representación de datos Características y ventajas Funciones
Más detallesLOGÌSTICA: Gestión del inventario
LOGÌSTICA: Gestión del inventario Contenido Funciones del inventario Tipos de inventario Gestión de inventarios Análisis ABC Exactitud de registros Conteo cíclico Control del servicio de inventario Modelos
Más detalles[PROYECTO] DOCUMENTO DE PRACTICA DE LAS NIIF. Aplicación de la Materialidad o Importancia Relativa en los Estados Financieros
[PROYECTO] DOCUMENTO DE PRACTICA DE LAS NIIF Aplicación de la Materialidad o Importancia Relativa en los Estados Financieros Objetivo Proporcionar guías para ayudar a la gerencia a aplicar el concepto
Más detallesMEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL
MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de dispersión, variabilidad o variación
Más detallesCapítulo 12: Indexación y asociación
Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación
Más detallesSEWERIN. Pre Localización De Fugas de Agua
SEWERIN Pre Localización De Fugas de Agua Ventajas del sistema La Pre localización de fugas de agua consiste en la escucha de la red en varios puntos. Para ello se utilizan loggers que graban sus sonidos
Más detallesCATÁLOGO DE INFERENCIAS
Las inferencias son los elementos claves en los modelos de conocimiento o Son los elementos constitutivos de los procesos de razonamiento No existe ningún estándar CommonKADS ofrece un catálogo que cubre
Más detallesAnálisis de Resultados
Análisis de Resultados Encuesta Web OnLine Buses: www.encuesta-webonlinebuses.tk Grupo10 1 Datos Generales Técnica: Encuesta Web Medio: Google Forms Unidad de muestreo: Usuarios y potenciales usuarios
Más detallesPolítica de Control de Hojas de Cálculo. Prorrectoría
Política de Control de Hojas de Cálculo Prorrectoría ÍNDICE O CONTENIDO 1. PROPOSITO DE LA POLÍTICA... 3 2. ALCANCE... 3 3. GLOSARIO... 3 4. DESCRIPCIÓN DE LA POLÍTICA... 5 Control de cambios... 5 Control
Más detallesInforme final de evaluación del seguimiento de la implantación de títulos oficiales GRADO EN ARQUITECTURA
Informe final de evaluación del seguimiento de la implantación de títulos oficiales 2013 GRADO EN ARQUITECTURA Escuela Superior de Arquitectura y Tecnología UCJC INFORMACIÓN PUBLICA Valoración Final Uno
Más detallesInforme final de evaluación del seguimiento de la implantación de títulos oficiales GRADO EN ECONOMÍA FINANCIERA Y ACTUARIAL
Informe final de evaluación del seguimiento de la implantación de títulos oficiales 2013 GRADO EN ECONOMÍA FINANCIERA Y ACTUARIAL FACULTAD DE CIENCIAS JURÍDICAS Y SOCIALES URJC INFORMACIÓN PUBLICA Valoración
Más detallesMesa de Ayuda Interna
Mesa de Ayuda Interna Documento de Construcción Mesa de Ayuda Interna 1 Tabla de Contenido Proceso De Mesa De Ayuda Interna... 2 Diagrama Del Proceso... 3 Modelo De Datos... 4 Entidades Del Sistema...
Más detallesPOLÍTICA INTEGRADA DE CALIDAD Y PREVENCIÓN DE RIESGOS LABORALES
La política integrada de Prevención de Riesgos Laborales y Calidad de la Diputación Provincial de Alicante, se basa en la prestación eficaz del servicio, cumpliendo con la legislación, normas y especificaciones
Más detallesINDICADORES. PROBLEMAS ASOCIADOS A SU SELECCIÓN PARA MEDIR SUSTENTABILIDAD Y EFICIENCIA AMBIENTAL
FUNDACION NEXUS ciencias sociales medio ambiente salud INDICADORES. PROBLEMAS ASOCIADOS A SU SELECCIÓN PARA MEDIR SUSTENTABILIDAD Y EFICIENCIA AMBIENTAL Por Daniel Fernández Dillon Ingeniería Sanitaria
Más detalles