DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT

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

Download "DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT"

Transcripción

1 DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT

2 REACCIONES ADVERSAS DE LOS MEDICAMENTOS Los fármacos por naturaleza dan lugar a reacciones adversas La incidencia de las reacciones adversas específicas varía considerablemente de fármaco a fármaco Siempre existirán grupos de alto riesgo a las reacciones adversas con fármacos específicos La base de datos de la OMS es la más grande a nivel internacional Una de las principales responsabilidades del UMC es la producción de señales

3 PROCEDIMIENTO EMPLEADO EN LA GENERACIÓN DE SEÑALES Con base en los nuevos reportes de problemas fármaco-ram recibidos, se elabora cada cuatro meses un listado Este listado y los datos correspondientes se envían al panel de expertos para sus comentarios Con base en los comentarios de los expertos se elabora la lista final de señales, la cual se envía a los Centros Nacionales de Farmacovigilancia

4 LIMITACIONES DEL PROCEDIMIENTO DE GENERACIÓN DE SEÑALES Los expertos analizan un número finito de datos Los datos pueden ser incorrectos o más probablemente estar incompletos La evaluación de los expertos se basa en su juicio y en el conocimiento previo, lo cual da lugar a un sesgo Cómo evitar el sesgo? Con un sistema de computo de gran potencia que permita considerar todos los posibles links en la base de datos, que actualmente contiene alrededor de cuatro millones de datos, cada uno de ellos con 49 campos

5 RED NEURAL BAYESIANA Emplea los principios del Teorema de Bayes para calcular: Las probabilidades anterior y posterior Componentes de la Información (IC) Intervalos de Confianza para cada IC

6 DATA MINING SYSTEM BASADO EN UNA RED NEURAL BAYESIANA Basada en los avances de la tecnología de la información y en la teoría de la estadística bayesiana Minimiza las limitaciones del método antes mencionado porque todas las combinaciones Fármaco-RAM se seleccionan sin sesgo

7 DEFINICIÓN DE DATA MINING ES UNA HERRAMIENTA AUTOMATIZADA BASADA EN LA LÓGICA BAYESIANA, PARA EXAMINAR LA BASE DE DATOS DE LA OMS (VIGIBASE) BUSCANDO DETECTAR ASOCIACIONES FÁRMACO-REACCIÓN ADVERSA (SEÑALES).

8 BAYESIAN CONFIDENCE PROPAGATION NEURAL NETWORK (BCPNN) RED NEURAL DE PROPAGACIÓN DE CONFIANZA BAYESIANA QUÉ ES UNA RED NEURAL? IMITA AL CEREBRO CREA CONEXIONES ENTRE LOS ELEMENTOS DEL PROCESAMIENTO (NEURONAS) ES UNA MATRIZ DE NODOS INTERCONECTADOS. CADA NODO SE CONECTA CON TODOS LOS NODOS SE UTILIZA PARA CONTAR : TODOS LOS REPORTES DE LA BASE DE DATOS, LA FRECUENCIA DE LOS REPORTES DE LAS REACCIONES ADVERSAS Y DE LOS FÁRMACOS, ASÍ COMO DE ESTOS DOS ÚLTIMOS CUANDO ESTÁN REUNIDOS SON PARTICULARMENTE EFECTIVAS PARA PREDECIR EVENTOS CUANDO LAS BASES CONTIENEN GRAN NÚMERO DE DATOS PREVIOS

9 BASE DE DATOS DE LA OMS Hasta diciembre del 2008 contiene más de 4.5 millones de reportes Participan oficialmente 91 países La red neural bayesiana tiene la potencia de cómputo que le permite considerar todas las conexiones, así como la capacidad de resaltar las señales potenciales.

10 BASE DE DATOS DE LA OMS: VIGIFLOW Es transparente: fácil de saber lo que se está calculando Robusta: se pueden obtener datos válidos faltando datos, lo cual constituye una gran ventaja puesto que la mayoría de los reportes contienen algunos campos vacíos Resultados reproducibles lo que permite la validación y verificación de los mismos Permite las búsquedas rápidas

11 NUEVO PROCEDIMIENTO PARA GENERAR SEÑALES REPORTES COMBINACIONES ASOCIACIO- NES SEÑALES DOCUMENTO CON SEÑALES

12 METODOLOGÍA BCPNN EMPLEA LA ARQUITECTURA NEURAL PARA IDENTIFICAR DEPENDENCIAS INESPERADAS ENTRE LAS VARIABLES (FÁRMACOS Y RAMs) DENTRO DE LA BASE DE DATOS DE LA OMS Y CÓMO CAMBIAN ESTAS DEPENDENCIAS CON LA ADICIÓN DE DATOS NUEVOS LAS DEPENDENCIAS SE SELECCIONAN EMPLEANDO UNA MEDIDA DE DESPROPORCIONALIDAD LLAMADA COMPONENTE DE LA INFORMACIÓN (IC)

13 METODOLOGÍA BCPNN: EL COMPONENTE DE LA INFORMACIÓN IC=log 2 P XY /P X P Y Donde: P X = probabilidad de un fármaco en específico se encuentre en un reporte de caso. P Y = probabilidad de una reacción adversa específica se encuentre en un reporte de casos P XY= probabilidad de que una combinación fármaco-reacción adversa se encuentre en un reporte de casos

14 APROXIMACIÓN BAYESIANA EN LA GENERACIÓN DE SEÑALES En la base de datos de la OMS todas las RA se reportan para un fármaco específico o un grupo de fármacos En un reporte se asocia un fármaco con una reacción adversa y este tipo de reporte puede aparecer un cierto número de veces entre 0 y C (siendo C el número total de reportes en la base de datos) El No. de veces que una combinación específica Fármaco- RA (Cij) se encuentra en la base de datos depende del número de veces que el fármaco ha sido reportado, así como del número total de reportes de esa RA

15 APROXIMACIÓN BAYESIANA EN LA GENERACIÓN DE SEÑALES Se buscan valores C xy que sean mayores que los valores de C x ( No. de reportes de un fármaco específico en la base de datos) y C y (No. de reportes de una RAM específica en la base de datos) Para cada reporte individual en la base de datos, existe una probabilidad de que una RAM específica ya se encuentre enlistada en esta base, es decir la probabilidad anterior. Y si este reporte de casos contiene un fármaco específico, se tendrá la probabilidad posterior

16 APROXIMACIÓN BAYESIANA EN LA GENERACIÓN DE SEÑALES Si la probabilidad posterior es mayor que la probabilidad anterior, entonces la presencia del fármaco en el reporte ha aumentado la probabilidad de que la RAM este presente y el par fármaco-ram está presente en la base de datos más frecuentemente que lo esperado

17 APROXIMACIÓN BAYESIANA EN LA GENERACIÓN DE SEÑALES Con base en la teoría de la información, la información mutua mide la cantidad de información que se obtiene de una variable (x), cuando ya se tiene información sobre el estado de la otra variable (y), o sea que mide la fuerza de la asociación IC= log 2 P ( x, y) / P (x) P (y) Cuando IC es positivo para una combinación fármaco- RAM, implica que el par fármaco-ram está más fuertemente asociado que lo esperado, al compararlo con C x y C y. Los valores de IC cercanos a cero representan independencia entre el fármaco y la RAM

18 APROXIMACIÓN BAYESIANA EN LA GENERACIÓN DE SEÑALES El IC se calcula en un número finito de reportes y por ende es un estimado del verdadero IC Para cada combinación fármaco-ram se calcula un intervalo de estimación del IC como medida de certidumbre del valor del IC, lo cual resalta la combinación, lo cual determina que se someta al proceso de señales

19 METODOLOGÍA BCPNN: EL COMPONENTE DE LA INFORMACIÓN De aquí que el valor de IC dependerá de: El número de reportes de casos del fármaco X (C X ) El número de reportes de casos del fármaco Y (C Y ) El número de reportes de casos con la combinación específica (C XY ) El número total de reportes de casos (C)

20 METODOLOGÍA BCPNN: EL COMPONENTE DE LA INFORMACIÓN Un valor positivo de IC significa que una combinación particular de variables ha sido reportada más a menudo que lo esperado estadísticamente a partir de los reportes existentes en la misma base de datos. A partir de la distribución de IC y usando la estadística bayesiana se calcula la varianza y la desviación standard (medida de la robustez del valor) A valores mayores de C X, C Y y C XY, el intervalo de confianza se hace menor

21 METODOLOGÍA BCPNN: EL COMPONENTE DE LA INFORMACIÓN CUANDO UN VALOR POSITIVO DE IC SE INCREMENTA EN EL TIEMPO Y EL INTERVALO DE CONFIANZA SE ACORTA, SE CONSIDERA LA PROBABILIDAD DE UNA ASOCIACIÓN CUANTITATIVA POSITIVA ENTRE LAS VARIABLES ESTUDIADAS EN ESTE ESTUDIO SE CONSDERA QUE LA VARIABLE x ES EL FÁRMACO, y A LA REACCIÓN ADVERSA EL TÉRMINO COMBINACIÓN SE REFIERE A UNA COMBINACIÓN FÁRMACO-REACCIÓN ADVERSA CUYO LIMITE BAJO DEL INTERVALO DE CONFIANZA DEL VALOR DE IC ESTÁ POR ENCIMA DE 0

22 EVALUACIÓN DEL VALOR PREDICTIVO DE BCPNN EN LAS SEÑALES: Cernimiento retrospectivo BCPNN de la base de datos de los primeros cuatro meses de 1993 Se seleccionaron para su análisis las combinaciones fármaco-reacción adversa que durante este período se volvieron positivas (el límite bajo del intervalo de confianza 95% del valor IC cambió de negativo a positivo) y que incluyó a los nuevos medicamentos. También se seleccionaron combinaciones relacionadas con nuevos medicamentos para los cuales el límite superior del intervalo de confianza 95% de IC cambió de positivo a negativo durante el período de estudio: ASOCIACIONES NEGATIVAS

23 EVALUACIÓN DEL VALOR PREDICTIVO DE BCPNN EN LAS SEÑALES: Las asociaciones positivas y negativas fueron conocidas, lo cual se verificó en la 30th edición del Martindale (1993) Se analizó que las asociaciones se hubiesen fortalecido o confirmado durante un período de siete años, , y se volvieron a buscar en la edición 2000 del Martindale y del Physician s Desk Reference Los reportes se codificaron empleando la terminología de las Reacciones Adversas de la OMS

24 EVALUACIÓN DEL VALOR PREDICTIVO DE BCPNN EN LAS SEÑALES Se realizó una búsqueda BCPNN retrospectiva en la base de datos para saber si y cuando las señales de seguridad fármaco-reacción adversa que circularon en los centros nacionales, cumplieron los criterios de asociación umbral

SIS 301 Operación y mantenimiento 15 minutos

SIS 301 Operación y mantenimiento 15 minutos SIS 301 Operación y mantenimiento 15 minutos O Generalidades 1 Planificación 2 Procedimientos 3 Responsabilidades del personal de operación 4 Responsabilidades del personal de mantenimiento 5 Mantenimiento

Más detalles

Anexo 12-a. Plantillas de lectura crítica del SIGN

Anexo 12-a. Plantillas de lectura crítica del SIGN Anexo 12-a. Plantillas de lectura crítica del SIGN Plantilla de Lectura crítica nº 1: Ensayo clínico aleatorizado (ECA) Identificación del estudio (Referencia bibliográfica del estudio, formato Vancouver)

Más detalles

LA MEDIDA Y SUS ERRORES

LA MEDIDA Y SUS ERRORES LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. 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 detalles

Validación de Métodos

Validación de Métodos Validación de Métodos Francisco Rojo Callejas Validación de Métodos Definiciones Parámetros básicos Requisitos Validación de Métodos El proceso de definir las condiciones analíticas y confirmar que el

Más detalles

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS

Eduardo 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 detalles

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión. DIAGRAMA DE FLECHAS 1.- INTRODUCCIÓN Este documento sirve de guía para el proceso de planificación de proyectos. Describe desde la visualización de la secuencia de acciones a desarrollar en dichos proyectos

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

Tipos de Estudios Farmacoepidemiológicos

Tipos de Estudios Farmacoepidemiológicos Tipos de Estudios Farmacoepidemiológicos Marcela Jirón, PharmD, PhD, MSc Depto. de Ciencias y Tecnología Farmacéutica Universidad de Chile mjiron@ciq.uchile.cl Declaración de conflicto de intereses Sin

Más detalles

NORMA INTERNACIONAL DE AUDITORÍA 530 MUESTREO DE AUDITORÍA

NORMA INTERNACIONAL DE AUDITORÍA 530 MUESTREO DE AUDITORÍA NORMA INTERNACIONAL DE AUDITORÍA 530 MUESTREO DE AUDITORÍA (NIA-ES 530) (adaptada para su aplicación en España mediante Resolución del Instituto de Contabilidad y Auditoría de Cuentas, de 15 de octubre

Más detalles

Conceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas

Conceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Conceptos Fundamentales Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Análisis de datos en física de partículas Experimento en física de partículas: Observación de n sucesos de un cierto tipo (colisiones

Más detalles

3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO

3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO Análisis estadístico 31 3. ANÁLII ETADÍTICO DE LA PRECIPITACIONE EN EL MAR CAPIO 3.1. ANÁLII Y MÉTODO ETADÍTICO UTILIZADO 3.1.1. Introducción Una vez analizado el balance de masas que afecta al mar Caspio

Más detalles

CAPÍTULO 1. EL ANÁLISIS PROBABILÍSTICO DE SEGURIDAD.

CAPÍTULO 1. EL ANÁLISIS PROBABILÍSTICO DE SEGURIDAD. CAPÍTULO 1. EL ANÁLISIS PROBABILÍSTICO DE SEGURIDAD. Un análisis probabilístico de seguridad (APS) es un término general para una valoración de riesgo, para el cual se desarrollan modelos para representar

Más detalles

MANUAL DE ASEGURAMIENTO DE LA CALIDAD

MANUAL DE ASEGURAMIENTO DE LA CALIDAD PÁGINA: 1 de 12 1 Objetivos: Dar a conocer los controles que se realizarán a los procedimientos de ensayos analíticos con el fin de obtener resultados de precisión y sesgo conocidos, de tal forma que sean

Más detalles

Gestión de calidad en el software. Calidad en el Desarrollo de Software. Spoilage. Spoilage

Gestión de calidad en el software. Calidad en el Desarrollo de Software. Spoilage. Spoilage Gestión de calidad en el software Calidad de software Depto. Ciencias e Ingeniería de la Computación Universidad Nacional del Sur Segundo Cuatrimestre 2007 primer problema: los errores se aceptan. Esto

Más detalles

construcción de programas Prof. Eliana Guzmán U.

construcción de programas Prof. Eliana Guzmán U. Unidad II. Metodología para la construcción de programas Prof. Eliana Guzmán U. Semestre: A-2015 Introducción Resolver un problema con una computadora conduce a la escritura de un programa y a su ejecución.

Más detalles

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA 5.1 Introducción En este capítulo nos ocuparemos de la estimación de caracteristicas de la población a partir de datos. Las caracteristicas poblacionales

Más detalles

Figura 1. Símbolo que representa una ALU. El sentido y la funcionalidad de las señales de la ALU de la Figura 1 es el siguiente:

Figura 1. Símbolo que representa una ALU. El sentido y la funcionalidad de las señales de la ALU de la Figura 1 es el siguiente: Departamento de Ingeniería de Sistemas Facultad de Ingeniería Universidad de Antioquia Arquitectura de Computadores y Laboratorio ISI355 (2011 2) Práctica No. 1 Diseño e implementación de una unidad aritmético

Más detalles

Demanda y Oferta de Capacitación: Un Problema por Resolver. Región de Magallanes

Demanda y Oferta de Capacitación: Un Problema por Resolver. Región de Magallanes SERVICIO NACIONAL DE CAPACITACION Y EMPLEO SUBDEPARTAMENTO DE ESTUDIOS Demanda y Oferta de Capacitación: Un Problema por Resolver. Región de Magallanes Resumen Ejecutivo INSTITUCION EJECUTORA: Departamento

Más detalles

Tema 10. Estimación Puntual.

Tema 10. Estimación Puntual. Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener

Más detalles

Manejo de Base de Datos y Uso de Muestreo Estadístico

Manejo de Base de Datos y Uso de Muestreo Estadístico Estado Libre Asociado de Puerto Rico OFICINA DEL CONTRALOR Manejo de Base de Datos y Uso de Muestreo Estadístico Adiestramiento Auditores Internos del Gobierno Iván Denizac González abril 2005 El Auditor

Más detalles

Cómo se usa Data Mining hoy?

Cómo se usa Data Mining hoy? Cómo se usa Data Mining hoy? 1 Conocer a los clientes Detectar segmentos Calcular perfiles Cross-selling Detectar buenos clientes Evitar el churning, attrition Detección de morosidad Mejora de respuesta

Más detalles

Puedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página):

Puedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página): Univ. de Alcalá. Estadística 2014-15 Dpto. de Física y Matemáticas Grado en Biología. Examen final. Miércoles, 21 de Enero de 2015. Apellidos: Nombre: INSTRUCCIONES (LEER ATENTAMENTE). Puedes descargar

Más detalles

Tests de hipótesis estadísticas

Tests de hipótesis estadísticas Tests de hipótesis estadísticas Test de hipótesis sobre la media de una población. Introducción con un ejemplo. Los tests de hipótesis estadísticas se emplean para muchos problemas, en particular para

Más detalles

Anexo 11. Valoración de la calidad de los distintos tipos de estudios

Anexo 11. Valoración de la calidad de los distintos tipos de estudios Anexo 11. Valoración de la calidad de los distintos tipos de estudios Ensayos Clínicos Un ensayo clínico aleatorizado (ECA) es un estudio experimental en el que se aplica una intervención a un grupo de

Más detalles

Estimación. Intervalos de Confianza para la Media y para las Proporciones

Estimación. Intervalos de Confianza para la Media y para las Proporciones Estimación. Intervalos de Confianza para la Media y para las Proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Estimación El objetivo

Más detalles

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...

8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión... Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación

Más detalles

Comparación de proporciones

Comparación de proporciones 11 Comparación de proporciones Neus Canal Díaz 11.1. Introducción En la investigación biomédica se encuentran con frecuencia datos o variables de tipo cualitativo (nominal u ordinal), mediante las cuales

Más detalles

DISEÑO Y DESARROLLO DE UNA PRACTICA DE LABORATORIO CONCEPTOS BÁSICOS DE RESONANCIA ESTOCÁSTICA

DISEÑO Y DESARROLLO DE UNA PRACTICA DE LABORATORIO CONCEPTOS BÁSICOS DE RESONANCIA ESTOCÁSTICA DISEÑO Y DESARROLLO DE UNA PRACTICA DE LABORATORIO CONCEPTOS BÁSICOS DE RESONANCIA ESTOCÁSTICA L. Álvarez Miño, D. Fajardo Fajardo Universidad Nacional de Colombia, Sede Manizales A. A. 127 RESUMEN En

Más detalles

TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística

TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud

Más detalles

TEMA 9: Desarrollo de la metodología de Taguchi

TEMA 9: Desarrollo de la metodología de Taguchi TEMA 9: Desarrollo de la metodología de Taguchi 1 La filosofía de la calidad de Taguchi 2 Control de calidad Off Line y On Line Calidad Off Line Calidad On Line 3 Función de pérdida 4 Razones señal-ruido

Más detalles

Data Mining Técnicas y herramientas

Data 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 detalles

Notas. Modelo conceptual para el diseño e implementación del sitio web de un museo regional * Resumen. 1. Introducción y formulación del problema

Notas. Modelo conceptual para el diseño e implementación del sitio web de un museo regional * Resumen. 1. Introducción y formulación del problema Notas Modelo conceptual para el diseño e implementación del sitio web de un museo regional * Resumen El presente artículo propone el modelo conceptual para la creación de un sitio Web de un museo regional

Más detalles

PLANIFICACIÓN DE PROYECTOS

PLANIFICACIÓN DE PROYECTOS Pert - CPM: Uno de los primeros casos documentados de la epoca actual sobre la administración y planificacion de proyectos se refiere al proyecto de armamentos del Polaris, empezando 1958. Así surgió el

Más detalles

TEMA 1. Introducción

TEMA 1. Introducción TEMA 1. Introducción Francisco José Ribadas Pena, Santiago Fernández Lanza Modelos de Razonamiento y Aprendizaje 5 o Informática ribadas@uvigo.es, sflanza@uvigo.es 28 de enero de 2013 1.1 Aprendizaje automático

Más detalles

Plan de estudios ISTQB: Nivel Fundamentos

Plan 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 detalles

Inteligencia Artificial y Seguridad Informática. en plataformas Open Source

Inteligencia Artificial y Seguridad Informática. en plataformas Open Source Inteligencia Artificial y Seguridad Informática en plataformas Open Source Jornadas de Software Libre y Seguridad Informática Santa Rosa La Pampa 4 y 5 de Diciembre de 2009 AGENDA Primera Parte Definiciones

Más detalles

PRUEBAS DE SOFTWARE TECNICAS DE PRUEBA DE SOFTWARE

PRUEBAS DE SOFTWARE TECNICAS DE PRUEBA DE SOFTWARE PRUEBAS DE SOFTWARE La prueba del software es un elemento crítico para la garantía de la calidad del software. El objetivo de la etapa de pruebas es garantizar la calidad del producto desarrollado. Además,

Más detalles

Parte I: Introducción

Parte 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 detalles

INFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010

INFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010 INFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010 UNIDAD FUNCIONAL DE TÉCNICOS DE LABORATORIOS DOCENTES UNIVERSIDAD PABLO DE OLAVIDE. SEVILLA Sevilla, Diciembre de 2010 1 1.

Más detalles

Inferencia Estadística

Inferencia Estadística EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre

Más detalles

Lección 16. INTRODUCCIÓN AL ANÁLISIS CUANTITATIVO.

Lección 16. INTRODUCCIÓN AL ANÁLISIS CUANTITATIVO. Lección 16. INTRODUCCIÓN AL ANÁLISIS CUANTITATIVO. Análisis cuantitativo: Conceptos básicos. Propiedades analíticas de interés. Trazabilidad. Materiales de referencia. Calibración instrumental y metodológica.

Más detalles

Equipo requerido Cantidad Observaciones Reglas graduadas en decímetros, en centímetros y milímetros

Equipo requerido Cantidad Observaciones Reglas graduadas en decímetros, en centímetros y milímetros DEPARTAMENTO DE FISICA Y GEOLOGIA No 0 UNIVERSIDAD DE PAMPLONA FACULTAD DE CIENCIAS BÁSICAS LABORATORIO DE MECÁNICA TOMA DE DATOS E INTRODUCCIÓN AL ANÁLISIS DEL ERROR. Objetivos Entender y familiarizarse

Más detalles

ANEXO 1 DE LA DIRECTRIZ nº 3 MUESTREO Y EVALUACIÓN DE ERRORES

ANEXO 1 DE LA DIRECTRIZ nº 3 MUESTREO Y EVALUACIÓN DE ERRORES ANEXO 1 DE LA DIRECTRIZ nº 3 MUESTREO Y EVALUACIÓN DE ERRORES Comisión Europea, B-1049 Bruselas, Bélgica. Teléfono: (32-2) 299 11 11 ÍNDICE 1. OBJETIVO... 3 2. ANTECEDENTES... 3 3. IMPORTANCIA RELATIVA...

Más detalles

Perceived Strategic Value and Adoption of Electronic Commerce: An Empirical Study of Small and Medium Sized Businesses

Perceived Strategic Value and Adoption of Electronic Commerce: An Empirical Study of Small and Medium Sized Businesses Perceived Strategic Value and Adoption of Electronic Commerce: An Empirical Study of Small and Medium Sized Businesses Mediante la combinación de dos corrientes de investigación independientes, se pretende

Más detalles

Finanzas de Empresas Turísticas

Finanzas de Empresas Turísticas Finanzas de Empresas Turísticas Prof. Francisco Pérez Hernández (f.perez@uam.es) Departamento de Financiación e Investigación de la Universidad Autónoma de Madrid 1 Departamento de Financiación e Investigación

Más detalles

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING

Aprendizaje 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 detalles

capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación

capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación Sistemática de Layout, SLP por sus siglas en inglés. Se hará uso de la simulación para comparar el

Más detalles

Inferencia Estadística

Inferencia Estadística Felipe José Bravo Márquez 11 de noviembre de 2013 Para realizar conclusiones sobre una población, generalmente no es factible reunir todos los datos de ésta. Debemos realizar conclusiones razonables respecto

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

v.1.0 Clase 5 Docente: Gustavo Valencia Zapata

v.1.0 Clase 5 Docente: Gustavo Valencia Zapata v.1.0 Clase 5 Docente: Gustavo Valencia Zapata Temas Clase 5: Conceptos de Minería de Datos Herramientas de DM Referencias Minería de datos Proceso de DM www.gustavovalencia.com Minería de datos La minería

Más detalles

METODOLOGIA DE ANALISIS DE RIESGO. 1.1 Entrevistas. 1.2 Evaluación de Riesgo. Autor: Rodrigo Ferrer CISSP SISTESEG.

METODOLOGIA DE ANALISIS DE RIESGO. 1.1 Entrevistas. 1.2 Evaluación de Riesgo. Autor: Rodrigo Ferrer CISSP SISTESEG. METODOLOGIA DE ANALISIS DE RIESGO Autor: Rodrigo Ferrer CISSP Bogotá Colombia A continuación haremos una descripción detallada de los pasos con que cuenta nuestra metodología de análisis de riesgo, la

Más detalles

DETECCIÓN DE PÉRDIDAS EN LA INDUSTRIA PETROLERA

DETECCIÓN DE PÉRDIDAS EN LA INDUSTRIA PETROLERA DETECCIÓN DE PÉRDIDAS EN LA INDUSTRIA PETROLERA Luis Alejandro Benavides Vázquez Yasmín Agueda Ríos Solís Resumen Las redes de proceso de las refinerías son complejas ya que involucran una serie procesos

Más detalles

Las 7 Herramientas Fundamentales de la Calidad

Las 7 Herramientas Fundamentales de la Calidad Las 7 Herramientas Fundamentales de la Calidad Se utilizarán los métodos estadísticos elementales, dado que está dirigido a todos los funcionarios, desde la alta dirección hasta los operarios de base (Ej:

Más detalles

Lecturas previas Cuando llegue a su primera sesión de laboratorio debe haber estudiado el contenido de la lectura que aparece a continuación.

Lecturas previas Cuando llegue a su primera sesión de laboratorio debe haber estudiado el contenido de la lectura que aparece a continuación. Laboratorio 1 Medición e incertidumbre La descripción de los fenómenos naturales comienza con la observación; el siguiente paso consiste en asignar a cada cantidad observada un número, es decir en medir

Más detalles

Consideraciones al precio de un warrant. El precio del warrant: la prima. Factores que afectan al precio de un warrant

Consideraciones al precio de un warrant. El precio del warrant: la prima. Factores que afectan al precio de un warrant Consideraciones al precio de un warrant El precio del warrant: la prima La prima es el precio que se paga por comprar un warrant. El inversor adquiere así el derecho a comprar (warrant Call) o vender (warrant

Más detalles

CRITERIOS ESPECÍFICOS PARA EVALUAR LA INCERTIDUMBRE EN PROCESOS DE MEDICIÓN EN LABORATORIOS QUIMICOS

CRITERIOS ESPECÍFICOS PARA EVALUAR LA INCERTIDUMBRE EN PROCESOS DE MEDICIÓN EN LABORATORIOS QUIMICOS Página 1 de 6 TITULO: CRITERIOS ESPECIFICOS PARA EVALUAR LA INCERTIDUMBRE DE UN PROCESO DE MEDICIÓN EN LABORATORIOS QUÍMICOS Resumen: El presente documento contiene los criterios en lo referente a la evaluación

Más detalles

Es momento de vender mi empresa? Cuánto vale? Quiénes pueden ser candidatos a comprarla?

Es momento de vender mi empresa? Cuánto vale? Quiénes pueden ser candidatos a comprarla? Es momento de vender mi empresa? Cuánto vale? Quiénes pueden ser candidatos a comprarla? Enero de 2014 Para la mayor parte de los empresarios, enfrentarse a la decisión o incluso la posibilidad de vender

Más detalles

BANCO DE MEXICO. Definiciones básicas de Riesgos

BANCO DE MEXICO. Definiciones básicas de Riesgos BANCO DE MEXICO Definiciones básicas de Riesgos Noviembre 2005 1 ÍNDICE DE RIESGO: 1.1. Medidas de riesgo 1.1.1. Valor en Riesgo (VaR) 1.1.2. Análisis de Estrés 1.2. Riesgo de Mercado 1.2.1. Medidas de

Más detalles

MATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1

MATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 IES Fco Ayala de Granada Sobrantes 010 (Modelo ) Soluciones Germán-Jesús Rubio Luna MATEMÁTICAS CCSS II Sobrantes 010 (Modelo 1) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO 1 a 1 1 1 3 Sean las matrices

Más detalles

Cualitativos Caso de Aplicación

Cualitativos Caso de Aplicación Validación n de Métodos M Cualitativos Caso de Aplicación Agenda Introducción Definiciones Clasificación Validación Evaluación de Métodos Cualitativos Caso de Aplicación Conclusiones Introducción La validación

Más detalles

Estadística y Método Científico Hugo S. Salinas. Fuente: http://dta.utalca.cl/estadistica/

Estadística y Método Científico Hugo S. Salinas. Fuente: http://dta.utalca.cl/estadistica/ Estadística y Método Científico Hugo S. Salinas Fuente: http://dta.utalca.cl/estadistica/ Estadística y Método Científico Podemos definir Estadística como la ciencia de los datos. La palabra ciencia viene

Más detalles

Tema 7: Estadística y probabilidad

Tema 7: Estadística y probabilidad Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro

Más detalles

Planificación del tamaño de la muestra. para las evaluaciones de impactos. David Evans, Banco Mundial. (Banco Mundial) Turning Promises into Evidence

Planificación del tamaño de la muestra. para las evaluaciones de impactos. David Evans, Banco Mundial. (Banco Mundial) Turning Promises into Evidence Planificación del tamaño de la muestra para las evaluaciones de impactos David Evans, Banco Mundial Basada en transparencias de Esther Duflo (J-PAL) y Jed Friedman (Banco Mundial) REGIONAL IMPACT EVALUATION

Más detalles

CAPÍTULO III METODOLOGÍA DISEÑO DE LA INVESTIGACIÓN

CAPÍTULO III METODOLOGÍA DISEÑO DE LA INVESTIGACIÓN 68 CAPÍTULO III METODOLOGÍA DISEÑO DE LA INVESTIGACIÓN 3.1. MODALIDAD DE LA INVESTIGACIÓN El presente proyecto, en modalidad de proyecto factible se lo considera totalmente viable y la idea surge después

Más detalles

ITIL FOUNDATION V3 2011

ITIL FOUNDATION V3 2011 ITIL FOUNDATION V3 2011 Examen de Certificación Instrucciones 1. Revise su Hoja de Respuesta, debe contener espacio para responder 40 preguntas y una sección para incorporar su Nombre 2. Espere por la

Más detalles

Validación y verificación de métodos de examen cuantitativos

Validación y verificación de métodos de examen cuantitativos Temas selectos de Calidad en Serología (aplicación en el banco de sangre) Validación y verificación de métodos de examen cuantitativos Ignacio Reyes Ramírez entidad mexicana de acreditación, a.c. Introducción

Más detalles

Tema 3 Probabilidades

Tema 3 Probabilidades Probabilidades 1 Introducción Tal vez estemos acostumbrados con algunas ideas de probabilidad, ya que esta forma parte de la cultura cotidiana. Con frecuencia escuchamos a personas que hacen afirmaciones

Más detalles

CARTAS DE CONTROL. FeGoSa

CARTAS DE CONTROL. FeGoSa Las empresas en general, ante la apertura comercial han venido reaccionando ante los cambios y situaciones adversas, reaccionan por ejemplo ante: Disminución de ventas Cancelación de pedidos Deterioro

Más detalles

Examen de la asignatura "Estadística aplicada a las ciencias sociales" Profesor Josu Mezo. 9 de junio de 2008.

Examen de la asignatura Estadística aplicada a las ciencias sociales Profesor Josu Mezo. 9 de junio de 2008. Examen de la asignatura "Estadística aplicada a las ciencias sociales" Profesor Josu Mezo. 9 de junio de 2008. Pregunta nº 1 (5 puntos). En una base de datos sobre los países del mundo se incluyen una

Más detalles

TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1

TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1 TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1 rafael.dearce@uam.es El objeto de las tablas de contingencia es extraer información de cruce entre dos

Más detalles

RClimTool MANUAL DEL USUARIO

RClimTool MANUAL DEL USUARIO RClimTool MANUAL DEL USUARIO Lizeth Llanos Herrera, estudiante de Estadística Esta herramienta ha sido diseñada para el apoyo, automatización de procesos y análisis de series climáticas dentro del convenio

Más detalles

Patrones de crecimiento infantil de la OMS

Patrones de crecimiento infantil de la OMS Patrones de crecimiento infantil de la OMS Longitud/estatura para la edad, peso para la edad, peso para la longitud, peso para la estatura e índice de masa corporal para la edad Métodos y desarrollo Departamento

Más detalles

TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA

TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA MSC ZOILA RUIZ VERA Empresa Cubana de Aeropuertos y Servicios Aeronáuticos Abril 2010 ANTECEDENTES El proyecto Seguridad es una

Más detalles

Prueba de Software de Conteo Celular

Prueba de Software de Conteo Celular Prueba de Software de Conteo Celular Act. Guadalupe Siordia Montero Universidad Autónoma de Yucatán 25 de Octubre del 2006 Índice 1. Antecedentes 2 2. Planteamiento del problema 4 2.1. Objetivo del trabajo............................

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)

Más detalles

CAPITULO V. IMPLEMENTACIÓN DE UNA HERRAMIENTA INTEGRADA DE RED

CAPITULO V. IMPLEMENTACIÓN DE UNA HERRAMIENTA INTEGRADA DE RED CAPITULO V. IMPLEMENTACIÓN DE UNA HERRAMIENTA INTEGRADA DE RED En el presente capitulo se presenta una aplicación que aborda una herramienta de monitoreo de redes para soportar estudios de disponibilidad.

Más detalles

GRÁFICOS DE CONTROL DE SHEWHART

GRÁFICOS DE CONTROL DE SHEWHART GRÁFICOS DE CONTROL DE SHEWHART Jordi Riu Grupo de Quimiometría, Cualimetría y Nanosensores Universitat Rovira i Virgili Campus Sescelades C/ Marcel lí Domingo s/n 43007-Tarragona Introducción Uno de los

Más detalles

SISTEMA DE CONTROL DE PRESENCIA

SISTEMA DE CONTROL DE PRESENCIA SISTEMA DE CONTROL DE PRESENCIA 1 SISTEMA DE CONTROL DE PRESENCIA 1 1 GENERALIDADES DE LA APLICACIÓN 3 2 SEGURIDAD Y ACCESO AL PROGRAMA 7 2.1 Mantenimiento de usuarios 7 2.2 Perfiles 9 3 GESTIÓN DE EMPRESAS

Más detalles

Estadística para las Ciencias Administrativas

Estadística para las Ciencias Administrativas Estadística para las Ciencias Administrativas Tercera edición LINCOLN L. CHAO California State University Long Beach, California Traducción JOSÉ MARÍA CASTAÑO Exjefe del Departamento de Matemáticas Universidad

Más detalles

Pequeñas charlas para gestión del mantenimiento Fernando Espinosa Fuentes

Pequeñas charlas para gestión del mantenimiento Fernando Espinosa Fuentes Pequeñas charlas para gestión del mantenimiento Fernando Espinosa Fuentes Es un método de resolución de problemas dirigido a identificar sus causas o acontecimientos. La práctica de la RCA se basa en el

Más detalles

Evaluación de Gestión, Resultados e Impactos de Programas Públicos

Evaluación de Gestión, Resultados e Impactos de Programas Públicos Curso internacional PLANIFICACION ESTRATÉGICA Y POLÍTICAS PÚBLICAS La Antigua, Guatemala, mayo 2010 Evaluación de Gestión, Resultados e Impactos de Programas Públicos Eduardo Aldunate Experto ILPES/CEPAL

Más detalles

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad

Métodos Estadísticos 2.3. Distribuciones discretas de probabilidad 2.3. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Parámetros de un problema Saber: Explicar el concepto de variable discreta. Explicar los conceptos y métodos de la distribución binomial, hipergeométrica,

Más detalles

Caso de estudio EFL: Uso del puntaje EFL para mejorar los datos de la central de riesgo crediticio

Caso de estudio EFL: Uso del puntaje EFL para mejorar los datos de la central de riesgo crediticio Caso de estudio EFL: Uso del puntaje EFL para mejorar los datos de la central de riesgo crediticio Equifax Perú Resumen ejecutivo: Equifax (EFX) se propuso determinar si EFL podría agregar valor a su score

Más detalles

Evaluación de Aguila Cero en cuanto a comportamiento de conductores y detección de alcoholemia

Evaluación de Aguila Cero en cuanto a comportamiento de conductores y detección de alcoholemia Evaluación de Aguila Cero en cuanto a comportamiento de conductores y detección de alcoholemia Grupo de Estudios en Sostenibilidad Urbana y Regional SUR Resumen ejecutivo Bogotá, Colombia Noviembre 18

Más detalles

11.2-DISCUSIÓN Prueba rápida

11.2-DISCUSIÓN Prueba rápida 11.2-DISCUSIÓN Prueba rápida Como se observa en la tabla 9 del total de las embarazadas (62,214) a las que se les realizo la prueba rápida un 99.3%(61,808) de ellas dio como resultado no reactivo, tan

Más detalles

Tema 4:Segmentación de imágenes

Tema 4:Segmentación de imágenes Tema 4:Segmentación de imágenes La segmentación de imágenes divide la imagen en sus partes constituyentes hasta un nivel de subdivisión en el que se aíslen las regiones u objetos de interés. Los algoritmos

Más detalles

Ser miembro del Programa Internacional de Farmacovigilancia de la OMS

Ser miembro del Programa Internacional de Farmacovigilancia de la OMS Ser miembro del Programa Internacional de Farmacovigilancia de la OMS Figura 1 (Cubierta): Mapa mundial mostrando la situación oficial de los países miembros y asociados, en diciembre de 2009 Antecedentes

Más detalles

José Ignacio Latorre Universidad de Barcelona

José Ignacio Latorre Universidad de Barcelona INTELIGENCIA ARTIFICIAL José Ignacio Latorre Universidad de Barcelona A qué llamamos inteligencia artificial? Es un campo de estudio que intenta conseguir que un ordenador realice funciones similares a

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 9 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 9 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 9 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Actividad. Qué es un modelo de Data Mining Qué es

Más detalles

Tuberculosis Hospital Event

Tuberculosis Hospital Event Cuándo empezó la investigación por parte del Departamento de Salud Pública de El Paso? El Departamento de Salud Pública inició la investigación después de que se determinó que niños en el área post-parto

Más detalles

Tema 2 - Introducción

Tema 2 - Introducción Tema 2 - Introducción 1 Tema 1. Introducción a la inferencia estadística Planteamientos y objetivos. Revisión de distribuciones multivariantes. Esperanza y varianza de sumas de v.a. independientes. Tema

Más detalles

Capítulo 4 MEDIDA DE MAGNITUDES. Autor: Santiago Ramírez de la Piscina Millán

Capítulo 4 MEDIDA DE MAGNITUDES. Autor: Santiago Ramírez de la Piscina Millán Capítulo 4 MEDIDA DE MAGNITUDES Autor: Santiago Ramírez de la Piscina Millán 4 MEDIDA DE MAGNITUDES 4.1 Introducción El hecho de hacer experimentos implica la determinación cuantitativa de las magnitudes

Más detalles

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Variables Aleatorias Una variable aleatoria es una función que asocia un número real con cada elemento del EM. Ejemplo 1: El EM que da una

Más detalles

Lección n 5. Modelos de distribución n potencial de especies

Lección n 5. Modelos de distribución n potencial de especies Lección n 5. Modelos de distribución n potencial de especies 1. Elaboración de modelos de distribución de especies. a. Planteamiento. El modelado del nicho ambiental se basa en el principio de que la distribución

Más detalles

Gestión de Riesgos en Proyectos

Gestión de Riesgos en Proyectos GRUPO VISIÓN PROSPECTIVA MÉXICO 2030 Gestión de Riesgos en Proyectos Mauricio Jessurun Solomou mjess@unisolmexico.com Luis Miguel Arroyo lmarroyoi@emsi.com.mx Julio, 2015 Gestión de Riesgos en Proyectos

Más detalles

Distribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema:

Distribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema: Distribuciones Multivariantes Distribuciones Multivariantes Distribución conjunta de un vector aleatorio Objetivos del tema: Distribuciones marginales y condicionadas Al final del tema el alumno será capaz

Más detalles

Operaciones y Mantenimiento 201 Uso del monitoreo en líneas y de los diagnósticos predictivos para reducir los costos de mantenimiento

Operaciones y Mantenimiento 201 Uso del monitoreo en líneas y de los diagnósticos predictivos para reducir los costos de mantenimiento 2003 Emerson Process Management. Todos los derechos reservados. Vea este y otros cursos en línea en www.plantwebuniversity.com. Operaciones y Mantenimiento 201 Uso del monitoreo en líneas y de los diagnósticos

Más detalles

Frontera de Eficiencia de Futuros de Energía

Frontera de Eficiencia de Futuros de Energía La Aproximación Bayesiana a la Estadística El modelo de Black y Litterman con Reducción de Dimensión Un modelo de factores semiparamétrico (Borak - Weron 2008) CP usando muchos predictores (Stock y Watson

Más detalles

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009 Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis

Más detalles