ESTIMACIÓN DE LA CONFIABILIDAD DE UN DUCTO QUE TRANSPORTA GAS MEDIANTE EL MÉTODO FORM
|
|
- Trinidad Pinto Sánchez
- hace 5 años
- Vistas:
Transcripción
1 Socedad Mexcana de Ingenería Estructural ESTIMACIÓN DE LA CONFIABILIDAD DE UN DUCTO QUE TRANSPORTA GAS MEDIANTE EL MÉTODO FORM Osvaldo A. Mramontes Moreno, Joel A. García Vargas RESUMEN Debdo a que la mayoría de las varables nvolucradas en el dseño de un ducto tenen carácter aleatoro, es necesaro utlzar métodos de confabldad capaces de tomar en cuenta tal aleatoredad. En este trabajo se presenta un estudo realzado a un ducto que transporta gas con una longtud total de, ft y en su trayectora maneja tramos de tubería subterránea y tubería enterrada, la cual está sometda a un par de solctacones debdas al efecto de la temperatura y la presón de operacón. Se empleó el método de confabldad FORM para determnar los índces de confabldad y probabldad de falla en algunos nodos del ducto consderados los más crítcos. Tambén se empleó el Método de Superfce de Respuesta Cuadrátca (SRQ) debdo a que no se dsponen de datos estadístcos del ducto analzado. Se realzó el análss de confabldad consderando valores nomnales y valores medos. Para el análss de esfuerzos del ducto se empleó el programa Autoppe. ABSTRACT Because most of the varables nvolved n the desgn of ppelne they have random character, t s necessary to use relablty methods able to take nto account such randomness. In ths work a study made to ppelne appears that transports gas wth a length overall of.859,65 ft and n ts trajectory handles to sectons of underground ppe and bured ppe, whch s put under a par of requestng due n order that the temperature and the pressure of operaton. The method of relablty FORM was used to determne the ndces of relablty and probablty of fault n some nodes of ppelne consdered most crtcal. Also the Method of Surface of Response Quadratc was used (SRQ) because they are not had statstcal data of ppelne analyzed. It was made the relablty analyss havng consdered nomnal values and average values. For the stress analyss of ppelne the Autoppe program was used. INTRODUCCIÓN En la ndustra petrolera exsten tres procesos fundamentales: la produccón, el procesamento y/o refnacón y la dstrbucón y/o venta. Dchos procesos no son tan fácles de efectuar y para ello se requere de la ayuda ndspensable de los ductos o tuberías que conecten a esos procesos, para llevar desde el sto de la extraccón a los lugares de destno o ventas los dstntos productos obtendos. Cuando se dseña este tpo de estructuras sempre conlleva la mejor ntencón para que pueda soportar todos los tpos de cargas y solctacones que se supone actuarán durante su vda útl. Pero se observa que desde el msmo proceso de construccón o fabrcacón exsten dferencas entre los valores de las varables que se utlzan en el análss con los valores de éstas al fnalzar dcho proceso de construccón y durante el transcurso de la vda útl de la estructura, como por ejemplo: las condcones de apoyo, solctacones, dmensones y propedades del materal, etc. Lo anteror recuerda que los datos no se tenen a nuestra dsposcón con total certeza, por lo cual, los parámetros que se utlzan en el análss y en el dseño de estructuras son aleatoros y es por eso se requere utlzar métodos de confabldad que tomen la aleatoredad de esas varables de dseño. Alumno de posgrado y exbecaro IMP, Profesor de posgrado. Seccón de Estudos de Posgrado e Investgacón / E.S.I.A.-I.P.N. Av. Juan de Dos Batíz s/n. Edfco, er. pso. Undad Profesonal Adolfo López Mateos, Zacatenco, 0778 Méxco, D.F. omramon@mp.mx, garcavjapn@yahoo.com.mx
2 XIV Congreso Naconal de Ingenería Estructural Acapulco, Gro., 004 MÉTODOS DE CONFIABILIDAD Debdo a que no es posble aún tomar en cuenta todas las varables aleatoras que ntervenen en los dseños, solamente se elgen a aquellas que se consderan más mportantes o determnantes en el dseño. Para el desarrollo de este trabajo, se realzó un estudo de los parámetros más mportantes y relevantes que ntervenen en el dseño de un ducto, se analzaron los casos típcos de falla que pueden presentarse y los métodos que pueden aplcarse, en partcular los métodos de Superfce de Respuesta Cuadrátca (Surface of Response Quadratc) y el de confabldad FORM (Frst Order Relablty Method). Para evaluar la confabldad es necesaro evaluar la probabldad de falla y obtener su complemento. Sn embargo, su cálculo es a menudo bastante complejo. Por lo que se recurre al uso de métodos aproxmados como el del índce de Hasofer y Lnd (Método FORM) y los métodos de superfce de respuesta como lo es el de superfce de respuesta cuadrátca (SRQ). Método FORM El índce utlzado β o smplemente HL β, propuesto por Hasofer y Lnd, es smple de obtener al menos para muchos casos de nterés práctco. Sus autores proponen efectuar un cambo de varables y colocarse así en el espaco de varables normales estándar (meda nula y desvacón estándar untara) estadístcamente ndependentes. La transformacón de las varables X en varables normales estándar es: U = T (X ) () A ésta transformacón se le llama transformacón probablsta. Ella exste sempre para varables contnuas. Se tene así, para la funcón de estado límte: G ( X ) = X ( U )) U) = 0 y la probabldad de falla: P = φ ( u ) du... f du n U ) 0 donde φ (u) es la funcón de densdad de probabldades de la funcón normal de n dmensones. El índce de confabldad β se defne como la dstanca más corta del orgen a la línea de falla de la funcón límte U) = 0 en el espaco U. Esta dstanca proporcona un hperplano tangente a la funcón límte en el punto P, llamado punto de falla más probable o punto de dseño, ver fgura. Este método es conocdo como el método FORM (Frst Order Relablty Method). La probabldad de falla (FORM) se aproxma medante: P f = φ( β ) U P f P * u U)=0 Φ β α u U Prob[X)< _ 0] Φ Fgura Estmacón del valor de β.
3 Socedad Mexcana de Ingenería Estructural sendo φ la funcón normal estándar. Esta aproxmacón es de prmer orden. El grado de aproxmacón depende de la no lnealdad de la funcón de estado límte. La solucón por el método FORM se reduce a soluconar un problema de optmzacón, en donde se busca mnmzar β, con la condcón de que G ( U) = 0, la cual se encuentra medante un algortmo de optmzacón. Método de superfce de respuesta cuadrátca (SRQ) Exsten otros métodos lgados a los métodos de confabldad para resolver el caso de estudo y evaluar la probabldad de falla. Estos métodos son llamados de Superfce de Respuesta (Surface of Response Approach), la dea central es la utlzacón de una aproxmacón de la superfce de estado límte medante un polnomo (Rajashekhar y Ellngwood, 99). El método de Superfce de Respuesta Cuadrátca (Flores, 994), se utlza en los casos en los que no se dspone de la funcón de estado límte G ( X ) de manera explícta. Para ello es necesaro repetr el cálculo determnsta para un certo número de puntos selecconados alrededor del punto de dseño y después hacer un análss de regresón, ver fgura. Los métodos de Superfce de Respuesta son utlzados como una alternatva para el análss de confabldad de estructuras, están fundados en la aproxmacón de la funcón de estado límte medante un polnomo de varables aleatoras en el cual los coefcentes son desconocdos. El método permte la aproxmacón de la superfce de estado límte con una superfce cuadrátca partendo de algunas realzacones. Se puede obtener esta aproxmacón medante el polnomo de Rajashekhar: n n n Q( X ) = c+ a X + b X + b X X () = = = n j j= + La construccón de Q l ( X ) se hace a partr de un conjunto K de realzacones de G l ( X ). La ecuacón () permte el cálculo de una aproxmacón de K ( k ) β y de un punto de falla * X. Una nueva aproxmacón de ( K +) ( k ) se obtene a partr de realzacones stuadas alrededor de * X. Algunas teracones permten aproxmar la funcón de estado límte y el cálculo del índce β. La fgura muestra esquemátcamente el método SRQ (Método de Superfce de Respuesta Cuadrátca). j x m(x) Realzacones () Q (X) xl * () * (k) x l (k) Q (X) m(x) Fgura Método de Superfce de Respuesta Cuadrátca (SRQ) x EVALUACIÓN DE LA CONFIABILIDAD Una vez defndos los estados límte, las varables consderadas como aleatoras y sus parámetros estmados se procede a la evaluacón de la confabldad y de su complemento (la probabldad de falla), para un escenaro elegdo. La frontera entre el estado falla y estado de segurdad se conoce como la superfce de estado lmte. El estado de segurdad es el estado de una estructura que es capaz de satsfacer las condcones (mecáncas y de servco) para las que fue dseñada. S Z se defne como la dferenca entre la resstenca R y la solctacón S entonces la funcón de estado límte elemental, se defne como:, Z) = R S
4 XIV Congreso Naconal de Ingenería Estructural Acapulco, Gro., 004 donde R es la varable que representa todos los recursos del sstema y S es la varable que defne la solctacón. La funcón G ( Z ) > 0 defne el estado de segurdad y G ( Z) 0 defne el estado de falla. La probabldad de falla es: P f = z Z ) 0 f ( z) dz donde f z (z) es la funcón de densdad de probabldades de Z. CASO DE ESTUDIO El caso de estudo es un ducto que transporta gas con una longtud total de, ft y en su trayectora maneja tramos de tubería subterránea (desde el nodo A00 hasta el nodo A6) y tubería enterrada (desde el nodo A6 hasta el nodo A), ver fgura a y b. La profunddad de enterro de la tubería es de 5 ft y está sometda a solctacones causadas por el efecto de la temperatura ambente, la temperatura de operacón y la presón de operacón. El tpo de suelo que se encuentra en contacto con el sstema es arena densa. Fgura a Tramo de ducto subterráneo (desde el nodo A00 hasta el nodo A6) Fgura b Tramo de ducto enterrado (desde el nodo A6 hasta el nodo A) 4
5 Socedad Mexcana de Ingenería Estructural El estudo fue realzado para dos casos, uno denomnado CASO en el que se consderan los valores medos y el CASO en el que se consderan los valores nomnales, de las varables aleatoras consderadas (Mramontes, 004). MODOS DE FALLA En el análss de esfuerzos se consderaron dferentes escenaros de falla de manera ndependente para dentfcar cual de ellos fuese el más sgnfcatvo, entre ellos: () falla por presón de operacón (Max P), () falla por expansón (Exp), () falla por Gravedad y Presón de operacón (Gr + Max P), y (4) falla debdo a la combnacón de las solctacones actuando a un msmo tempo (Teoría de Mses). De acuerdo con los resultados del análss de esfuerzos realzado medante Autoppe los modos de falla más crítcos fueron por Expansón y por la teoría de Mses (asocado con los tres esfuerzos prncpales). En las tablas y, se muestran los valores de los parámetros que se tomaron en el análss de confabldad para los dos casos consderando valores medos y valores nomnales. Por otra parte, los coefcentes de varacón fueron tomados de acuerdo a la experenca de algunos ngeneros de la práctca. Varables Tabla Parámetros de las varables de dseño consderando sus valores medos Valor Coefcente Valor Desvacón Nomnal de Medo Estándar σ x V. N. Varacón V x c.v Temperatura de Operacón (T) f.d.p 00 F Normal Presón (P) 00 Ps Normal Espesor (t).75 n Normal SMYS 0,000 Ps 0.5 0,000 4,500 Normal Temperatura ambente (T ) 70 F Profunddad de enterro (Z) 5 ft Peso de la undad del suelo (γ) 5 lb/ft Dámetro (d) 6 n Módulo de elastcdad (E) 9x0 6 Ps Coefcente de expansón térmca (α) 0.6 n/00 ft Deformacón térmca (ε).5x Materal (5LA) 5LA Módulo de Posson (ν) Tabla Parámetros de las varables de dseño consderando sus valores nomnales Varables Valor Nomnal V. N. Coefcente de Varacón C.V K Valor Medo V x Desvacón Estándar σ x Temperatura de Operacón 00 F Normal (T ) Presón (P) 00 Ps Normal Espesor (t).75 n Normal SMYS 0,000 Ps 0.5 4, ,48.57 Normal Temperatura ambente (T ) 70 F Profunddad de enterro (Z) 5 ft Peso de la undad del suelo (γ) 5 lb/ft Dámetro (d) 6 n Módulo de elastcdad (E) 9x0 6 Ps Coefcente de expansón 0.6 n/00 ft térmca (α) Deformacón Térmca (ε).5x Materal (5LA) 5LA Módulo de Posson (ν) ESTADOS LÍMITES DE FALLA Para el modo de falla por expansón (EXP), la funcón de estado límte quedó defnda medante: f.d.p 5
6 XIV Congreso Naconal de Ingenería Estructural Acapulco, Gro., 004 Z) = (0.7 * SMYS) σ ACT Para el modo de falla por la combnacón de solctacones (Mses), la funcón de estado límte quedó defnda medante: Z) = SMYS σ ACT donde SMYS es el esfuerzo de cedenca mínmo especfcado y σ es el esfuerzo actuante orgnado por la ACT solctacón. El polnomo del nodo N5 + correspondente al CASO queda conformado de la sguente manera: Q ( ).8585E04 + ( 8.05E0) x + ( 9.758E0) x + (4.4E04) x + (.4870E 0 x + X = ) 4 ( 7.65E 0) x + (.468E 0) x + (.898E04) x + (.0486E 05 x + ) (.796E 0) x x + ( E0) x x + (.799E 0 x x + ) 4 4 (.48E0) x x + (.884E 0) x x + (7.5E 0 x x 4 ) 4 donde,, x, y son las cuatro varables aleatoras tomadas para el análss de confabldad y x x x corresponden a: x 4 = temperatura, x = presón de operacón, x = espesor y = SMYS. De manera semejante se estmaron los polnomos para los demás nodos analzados (para CASO y CASO ). RESULTADOS Los resultados obtendos del análss de confabldad aplcando el método SRQ y FORM respecto al modo de falla selecconado se muestran en las tablas y 4. Además se presentan las grafcas,. y 4 relaconadas con los valores de los índces de confabldad β y la probabldad de falla correspondentes a ambos casos en estudo. Tabla Resultados del CASO Tabla 4 Resultados del CASO x 4 Valores Medos Nodo Modo de falla β pf A5 N+ Mses.700E E-0 A5 N+ Mses.4E+00.76E-0 A5F- Mses.4E E-0 A8 N+ Expansón.599E E-0 A8 N+ Mses.659E E-0 A8 F- Expansón.66E E-0 A8F- Mses.986E E-0 Valores Nomnales Nodo Modo de falla β pf A5 N+ Mses.05E E-0 A5 N+ Mses.04E+00.49E-0 A5F- Mses.09E+00.75E-0 A8 N+ Expansón 8.80E-0.89E-0 A8 N+ Mses.070E+00.4E-0 A8 F- Expansón 8.7E-0.085E-0 A8F- Mses.47E E-0 6
7 Socedad Mexcana de Ingenería Estructural. 0 = C a s o = C a s o. 5 Índce β A 5 N + A 5 N + A 5 F - A 8 N + A 8 N + E x p N o d o s e n e s t u d o A 8 F - E x p Gráfca Índces β de los nodos en estudo del Caso y Caso A 8 F = C a s o = C aso Probabldad de falla (pf) A5 N + A5 N + A5 F- A8 N + A8 N + E x p N o d o s e n e s t u d o A8 F- E x p A8 F- Gráfca Probabldad de falla de los nodos en estudo del Caso y Caso CONCLUSIONES Y COMENTARIOS FINALES Los resultados de los análss de esfuerzos se suponen congruentes debdo a que medante el empleo del software Autoppe desarrolla un modelo representatvo del comportamento del ducto sujeto a las dferentes solctacones y consderando la nteraccón suelo-ducto. A su vez los resultados del análss de confabldad nos muestran valores más realstas debdo a que en el análss se ncorpora la aleatoredad de algunas de las varables nvolucradas en el dseño de un ducto. Aunque solamente se consderaron cuatro varables aleatoras, el desarrollo de este trabajo es un nco para realzar en un futuro próxmo, análss y dseños de ductos consderando una mayor cantdad de varables aleatoras, ya que para ello se requere de datos estadístcos y programas de cómputo más robustos. Referente al ducto en estudo de acuerdo con los resultados obtendos se consdera un buen dseño ya que la probabldad de falla más alta resulta ser del 0.8 % en el nodo A8 F- del Caso. Por otra parte se comprueba el por qué del uso de los valores nomnales (Caso ) en las varables de dseño, debdo a que proporconan una probabldad de falla mayor que cuando se utlzan sus valores medos (Caso ) y por tanto los factores de segurdad son consderablemente más conservadores. 7
8 XIV Congreso Naconal de Ingenería Estructural Acapulco, Gro., 004 REFERENCIAS Rajashekhar M.R. y Ellngwood B.R. (99), A new look at the response surface approach for relablty analyss. Structural Safety. ():05-0. Flores M.O. (994). Modèles fablstes et mécanques: élément fns stochastques. Méthodes de couplage et applcatons. Tess doctoral de la Unversté Blase Pascal, Clermont-Ferrand, Franca. Mramontes M. O A., (004), Normatvdad para el análss, dseño y mantenmento de ductos, Tess de maestría, SEPI, ESIA, IPN. 8
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesCAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10.
CAÍTULO III ACCIONES Artículo 9º Clasfcacón de las accones Las accones a consderar en el proyecto de una estructura o elemento estructural serán las establecdas por la reglamentacón específca vgente o
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesIDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR
IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.
Más detallesRelación 2: Regresión Lineal.
Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detallesEstimación no lineal del estado y los parámetros
Parte III Estmacón no lneal del estado y los parámetros 1. Estmacón recursva El ltro de Kalman extenddo 12 es una técnca muy utlzada para la la estmacón recursva del estado de sstemas no lneales en presenca
Más detallesCAPÍTULO III. METODOLOGÍA 1. sismos pasados, por lo que este se calculara evaluando primero la tasa de actividad sísmica
CAPÍTULO III. METODOLOGÍA 1 III.1 Evaluacón del pelgro sísmco La determnacón drecta del pelgro sísmco rara vez se puede hacer debdo a la falta de nformacón en cuanto a las aceleracones que se han producdo
Más detallesIntroducción a Vacío
Introduccón a Vacío Sstema de vacío Partes generales de un sstema de vacío: Fgura 1: Sstema de vacío con bomba mecánca y dfusora Fgura 2: Prncpo de funconamento de la bomba mecánca La Fg. 2 muestra el
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesAJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.
AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método
Más detallesEXPERIMENTOS ANIDADOS O JERARQUICOS NESTED
EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles
Más detalles3 LEYES DE DESPLAZAMIENTO
eyes de desplazamento EYES DE DESPAZAMIENTO En el capítulo dos se expone el método de obtencón de las leyes de desplazamento dseñadas por curvas de Bézer para mecansmos leva palpador según el planteamento
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesTema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema
Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas
Más detalles) para toda permutación (p p 1 p
09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesCAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información
IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesApellidos y nombre: i. El valor anual de la amortización de la construcción es fijo y vale A. 2. Cada punto de venta tiene una demanda anual dem
4º IIND Métodos Matemátcos 5 de septembre de 00 Apelldos y nombre: PROBLEMA (4 puntos) Una empresa tene puntos de venta stuados sobre una ruta que, a efectos de planfcacón, puede ser consderada como una
Más detallesANEXO A: Método de Interpolación de Cokriging Colocado
ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),
Más detallesUn estimado de intervalo o intervalo de confianza ( IC
Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá
Más detallesCAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA
CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
Más detallesCAPÍTULO IV. IV.1 Correlación de los resultados experimentales
CAPÍTULO IV IV. Correlacón de los resultados expermentales La aplcacón de modelos de solucón para correlaconar los resultados que se obtenen en los expermentos, resulta de gran mportanca para amplar la
Más detallesOPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Preguntas y Ejercicios para Evaluación: Tema 5
OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Preguntas y Ejerccos para Evaluacón: Tema 5 1. Contestar brevemente a las sguentes cuestones relaconadas con las Redes de Base
Más detallesPyE_ EF2_TIPO1_
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 2009
METODOLOGÍA MUESTRAL ENCUESTA LONGITUDINAL DE EMPRESAS AÑO CONTABLE 009 INSTITUTO NACIONAL DE ESTADÍSTICAS Novembre / 0 DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO Metodología Muestral Encuesta Longtudnal
Más detallesGERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES
GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesAnálisis de ruido en detectores ópticos.
Análss de rudo en detectores óptcos. La corrente real generada en un fotododo es de carácter aleatoro, cuyo valor fluctúa entre el valor promedo defndo por la foto-corrente: p = RP Dchas fluctuacones se
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesFacultad de Ciencias Básicas
Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas
Más detallesNOMBRE Apellido Paterno Apellido Materno Nombre(s) Porcentaje de defectos producidos Máquina Porcentaje de producción
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIONES
Más detallesPyE_ EF1_TIPO1_
SEMESTRE 00- TIPO DURACIÓN MÁIMA.5 HORAS DICIEMBRE DE 00 NOMBRE. El índce de clardad se determnó en los celos de Morelos, para cada uno de los 365 días de un año, obtenéndose los sguentes datos. Límtes
Más detallesEL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA
EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de
Más detallesProbabilidad Grupo 23 Semestre Segundo examen parcial
Probabldad Grupo 3 Semestre 015- Segundo examen parcal La tabla sguente presenta 0 postulados, algunos de los cuales son verdaderos y otros son falsos. Analza detendamente cada postulado y elge tu respuesta
Más detallesInstituto Nacional de Estadísticas Chile METODOLOGÍA. Encuesta Estructural de Transporte por Carretera Año contable 2012
Insttuto Naconal de Estadístcas Cle METODOLOGÍA Encuesta Estructural de Transporte por Carretera Año contable 0 Insttuto Naconal de Estadístcas 04 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesResolución. Instrucciones: Leer detenidamente los siete enunciados y resolver seis de los siete problemas propuestos.
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL SEMESTRE 04
Más detallesMETODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2014 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 014 INSTITUTO NACIONAL DE ESTADÍSTICAS AÑO 016 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS
Más detallesEJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesCAPÍTULO II Métodos experimentales
CAPÍTULO II Métodos expermentales En este capítulo se descrbe la técnca expermental para la obtencón y representacón de dagramas líqudo-líqudo de sstemas ternaros y cuaternaros y el equpo expermental utlzado.
Más detallesCapítulo 2: Introducción al método de los Elementos Finitos 2. CAPÍTULO 2 INTRODUCCIÓN AL MÉTODO DE LOS ELEMENTOS FINITOS
Capítulo 2: Introduccón al método de los Elementos Fntos 2. CAPÍTULO 2 ITRODUCCIÓ AL MÉTODO DE LOS ELEMETOS FIITOS 2.. ITRODUCCIÓ Vrtualmente cada fenómeno en la naturaleza, sea bológco, geológco o mecánco
Más detallesLINEAS DEL REMOLCADOR
Análss del comportamento propulsvo de un remolcador de empue M.Colpach, CEAN, FIUBA B.Lechatpos, INSA, Rouen RESUMEN Se presenta el estudo del fluo alrededor de un remolcador de empue clásco, de líneas
Más detallesLa adopción y uso de las TICs en las Microempresas Chilenas
Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas
Más detallesEl diodo Semiconductor
El dodo Semconductor J.I. Hurcán Unversdad de La Frontera Aprl 9, 2012 Abstract Se plantean procedmentos para analzar crcutos con dodos. Para smpl car el trabajo, el dodo semconductor es reemplazado por
Más detallesTema 1.- Variable aleatoria discreta (V2.1)
Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto
Más detallesInteracción de Métodos Teóricos, Numéricos y Experimentales en el Rediseño y Análisis de un Elemento Estructural Hecho de Materiales Compuestos.
Interaccón de Métodoeórcos, Numércos y Expermentales en el Redseño y Análss de un Elemento Estructural Hecho de Materales ompuestos. Juan arlos Valdés alazar McME Gerente de Ingenería y Desarrollo PADA
Más detallesEl Impacto de las Remesas en el PIB y el Consumo en México, 2015
El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesMAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.
TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,
Más detallesEstimación de incertidumbres en calibración de Osciladores
Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser
Más detallesSlide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I
Slde 1 Unversdad Dego Portales Estadístca I Seccón II: Dstrbucones de Frecuenca y Representacón Gráfca Sgla: EST2500 Nombre Asgnatura: Estadístca I Slde 2 Organzacón y Resumen de Datos Como recordará,
Más detallesDISEÑO SEVERO. PALACIOS C. SEVERO Consultor Metalúrgico. Lima Perú
DISEÑO SEVERO PALACIOS C. SEVERO Consultor Metalúrgco espc@yahoo.com Lma Perú RESUMEN: Se ha desarrollado un nuevo dseño de mucha utldad para los procesos ndustrales al cual he denomnado Dseño Severo.
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2013 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 013 INSTITUTO NACIONAL DE ESTADÍSTICAS 015 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesCapítulo 2: ANALISIS EXPLORATORIO de DATOS Estadística Computacional 1º Semestre 2003
Unversdad Técnca Federco Santa María Departamento de Informátca ILI-80 Capítulo : ANALISIS EXPLORATORIO de DATOS Estadístca Computaconal º Semestre 003 Profesor :Héctor Allende Págna : www.nf.utfsm.cl/~hallende
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes
Más detallesTEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI)
TEMA 14. ESCALAMIENTO CONJUNTO. INTRODUCCIÓN A LA TEORÍA DE LA RESPUESTA A LOS ITEMS (TRI) 14.1. La Curva Característca de los ítems (CCI) 14.. Los errores típcos de medda 14.3. La Funcón de Informacón
Más detallesFacultad de Química. UNAM Alejandro Baeza
Facultad de Químca. UNM lejandro Baeza.006 Químca nalítca Instrumental I nálss de mezclas por espectrofotometría. Documento de apoyo. Dr. lejandro Baeza. Semestre 007-I.0 Selectvdad espectral en espectrofotometría
Más detallesLicenciatura en Administración y Dirección de Empresas INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL
INTRODUCCIÓN A LA ESTADÍSTICA EMPRESARIAL Relacón de Ejerccos nº 2 ( tema 5) Curso 2002/2003 1) Las cento trenta agencas de una entdad bancara presentaban, en el ejercco 2002, los sguentes datos correspondentes
Más detallesConsecuencias del Primer Principio 22 de noviembre de 2010
Índce 5 CELINA GONZÁLEZ ÁNGEL JIMÉNEZ IGNACIO LÓEZ RAFAEL NIETO Consecuencas del rmer rncpo 22 de novembre de 2010 1. Ecuacón calórca del gas deal 1 Cuestones y problemas: C 2.4,10,11,12,16,19 1.1,3 subrayados
Más detallesSimposio de Metrología 25 al 27 de Octubre de 2006
Smposo de Metrología 25 al 27 de Octubre de 2006 ESTIMACIÓN DE INCERTIDUMBRE EN LA MEDICIÓN DE ABSORCIÓN DE HUMEDAD EN AISLAMIENTOS Y CUBIERTAS PROTECTORAS DE CONDUCTORES ELÉCTRICOS POR EL MÉTODO ELÉCTRICO
Más detallesRegresión múltiple k k
Métodos de Regresón Estadístca Ismael Sánchez Borrego Regresón múltple El modelo de regresón múltple es la extensón a k varables explcatvas del modelo de regresón smple estudado en el apartado anteror.
Más detallesANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR
1 ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR Dela E. Montalvo Roca 1, Gaudenco Zurta Herrera 1 Ingenera en Estadístca Informátca Drector de Tess. M.Sc. en Matemátcas, Unversty of South
Más detallesOPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final
OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron
Más detallesGeneración de e Modelos 3D a Partir de e Datos de e Rango de e Vistas Parciales.
Generacón de e Modelos 3D a Partr de e Datos de e Rango de e Vstas Parcales. Santago Salamanca Mño Escuela de Ingenerías Industrales Unversdad de Extremadura (UNED, UCLM, UEX) Introduccón (I) Qué es un
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesRegresión lineal y correlación lineal
UNIVERSIDAD ESTATAL DEL SUR DE MANABÍ Creada medante regstro Ofcal 61 del 7 de Febrero del 001 CARRERA DE AUDITORÍA Novembre 016 abrl 017 Semnaro de Investgacón Regresón lneal y correlacón lneal Dra. Marsabel
Más detallesLuis Altarejos García (1); Ignacio Escuder Bueno (2); Armando Serrano Lombillo (3) y Manuel Gómez de Membrillera Ortuño (4)
www.asaee.org.br APLICACIÓN DE METODOS PROBABILÍSTICOS DE NIVEL II Y DE NIVEL III (SIMULACIONES DE MONTE CARLO) A LA ESTIMACIÓN DE PROBABILIDADES CONDICIONALES DE FALLO DE PRESAS DE HORMIGÓN DE GRAVEDAD
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detallesUniversidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud
Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos
Más detalles