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

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

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

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

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

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

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

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

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

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

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

Aplicación de la minería de datos al Sistema Cubano de Farmacovigilancia

Aplicación de la minería de datos al Sistema Cubano de Farmacovigilancia ARTÍCULOS ORIGINALES Aplicación de la minería de datos al Sistema Cubano de Farmacovigilancia Application of data mining to the Cuban Pharmacovigilance System Omar Calzadilla Fernández de Castro I ; Giset

Más detalles

Con el fin de obtener los datos, se procede con las siguientes instrucciones:

Con el fin de obtener los datos, se procede con las siguientes instrucciones: Capitulo 3. La predicción de beneficios del mercado bursátil Este segundo caso de estudio va más allá en el uso de técnicas de minería de datos. El dominio específico utilizado para ilustrar estos problemas

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

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

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

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

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

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

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

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

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

Detección de perfiles de liderazgo en Sistemas Colaborativos Soportados por Computadoras

Detección de perfiles de liderazgo en Sistemas Colaborativos Soportados por Computadoras Detección de perfiles de liderazgo en Sistemas Colaborativos Soportados por Computadoras María Florencia Bugarini Directora: Dra. Silvia Schiaffino Codirector: Mg. Patricio García UNICEN Abril 2011 Motivación

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

60! hrs.! hrs.! hrs.!!!

60! hrs.! hrs.! hrs.!!! Carta Descriptiva 1 UMA 1001-95 " Estadística Descriptiva #$%&'$()*+'$(,%) Ciencias Sociales y Administración Principiante Obligatoria 60 hrs. hrs. hrs. Matemáticas Básicas Estadística Inferencial #+&+'$-$%&.+)/%(0$.-1.$'(23,4%50(

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

Algoritmos de minería de datos incluidos en SQL Server 2008 1. Algoritmo de árboles de decisión de Microsoft [MIC2009a] Cómo funciona el algoritmo

Algoritmos de minería de datos incluidos en SQL Server 2008 1. Algoritmo de árboles de decisión de Microsoft [MIC2009a] Cómo funciona el algoritmo 1 Algoritmos de minería de datos incluidos en SQL Server 2008 Los algoritmos que aquí se presentan son: Árboles de decisión de Microsoft, Bayes naive de Microsoft, Clústeres de Microsoft, Serie temporal

Más detalles

Innovaciones de CheckTheMeds

Innovaciones de CheckTheMeds Innovaciones de CheckTheMeds Nueva Tecnología de Información para el profesional Muy útil para ayudar en la evaluación global de pacientes pluripatológicos polimedicados CheckTheMeds Procesa globalmente

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

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

Modelo de Negocios para la Seguridad de la Información.

Modelo de Negocios para la Seguridad de la Información. Modelo de Negocios para la Seguridad de la Información. El Modelo de Negocios de Seguridad de la Información (BMIS, Business Model for Information Security) se originó en el Institute for Critical Information

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

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

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

MASTER DE INGENIERÍA BIOMÉDICA. Métodos de ayuda al diagnóstico clínico. Tema 5: Redes Neuronales

MASTER DE INGENIERÍA BIOMÉDICA. Métodos de ayuda al diagnóstico clínico. Tema 5: Redes Neuronales MASTER DE INGENIERÍA BIOMÉDICA. Métodos de ayuda al diagnóstico clínico. Tema 5: Redes Neuronales 1 Objetivos del tema Conocer las limitaciones de los modelos lineales en problemas de modelización/ clasificación.

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

FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4

FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4 FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4 REQUISITO LICENCIATURA EN ENFERMERÌA PROFESOR 1. Justificación. Se requiere

Más detalles

Aprendizaje Automatizado. Redes Neuronales Artificiales

Aprendizaje Automatizado. Redes Neuronales Artificiales Aprendizaje Automatizado Redes Neuronales Artificiales Introducción Una forma de emular características propias de los humanos: memorizar y asociar hechos. Se aprende de la experiencia. El cerebro humano

Más detalles

MANUAL DE USUARIO DESKTOP

MANUAL DE USUARIO DESKTOP 2013 TEM SOLUCIONES MANUAL DE USUARIO DESKTOP Usuario Desktop Tem Soluciones TABLA DE CONTENIDO INTRODUCCIÓN... 3 LOGIN... 4 Login... 4 PÁGINA DE BIENVENIDA... 4 ENVIAR SMS... 5 Solo SMS (Single SMS):...

Más detalles

Minería de datos (Introducción a la minería de datos)

Minería de datos (Introducción a la minería de datos) Minería de datos (Introducción a la minería de datos) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 14-I. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 1 / 24

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

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

TEORÍA CLÁSICA DE MEDICIÓN TC Y TEORÍA DE RESPUESTA AL ITEM TRI

TEORÍA CLÁSICA DE MEDICIÓN TC Y TEORÍA DE RESPUESTA AL ITEM TRI TEORÍA CLÁSICA DE MEDICIÓN TC Y TEORÍA DE RESPUESTA AL ITEM TRI UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS Departamento de Evaluación, Medición y Registro Educacional DEMRE ABRIL DE 2005

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

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

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

REPORTE AL DÍA. Nuestro propósito es invertir la proporción que se refleja actualmente.

REPORTE AL DÍA. Nuestro propósito es invertir la proporción que se refleja actualmente. BOLETÍN 7 2 AÑO 2 / FEBRERO 2005 REPORTE AL DÍA En la base de datos se encuentran sistematizados 1866 reportes de Eventos Adversos a Medicamentos (EAM). Se observa un importante incremento del reporte

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

MINISTERIO DE SALUD PÚBLICA CENTRO PARA EL DESARROLLO DE LA FARMACOEPIDEMIOLOGIA UNIDAD COORDINADORA NACIONAL DE FARMACOVIGILANCIA

MINISTERIO DE SALUD PÚBLICA CENTRO PARA EL DESARROLLO DE LA FARMACOEPIDEMIOLOGIA UNIDAD COORDINADORA NACIONAL DE FARMACOVIGILANCIA Gestión de la base de datos del sistema cubano de PNO: 004 Página 1 de 7 1. OBJETIVO. El presente procedimiento establece la estructura y gestión de la base de datos del sistema cubano de farmacovigilancia.

Más detalles

MINISTERIO DE SALUD PÚBLICA CENTRO PARA EL DESARROLLO DE LA FARMACOEPIDEMIOLOGIA UNIDAD COORDINADORA NACIONAL DE FARMACOVIGILANCIA

MINISTERIO DE SALUD PÚBLICA CENTRO PARA EL DESARROLLO DE LA FARMACOEPIDEMIOLOGIA UNIDAD COORDINADORA NACIONAL DE FARMACOVIGILANCIA Gestión de la base de datos del sistema cubano de PNO: 004 Página 1 de 5 1. OBJETIVO. El presente procedimiento establece la estructura y gestión de la base de datos del sistema cubano de farmacovigilancia.

Más detalles

Regresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía

Regresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía Regresión múltiple I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía I.- INTRODUCCIÓN Como la Estadística Inferencial nos permite trabajar con una variable a nivel de intervalo

Más detalles

Aplicación de Redes bayesianas usando Weka.

Aplicación de Redes bayesianas usando Weka. Aplicación de Redes bayesianas usando Weka. Cynthia Lorena Corso 1, Fabian Gibellini 1 1 Universidad Tecnológica Nacional, Facultad Regional Córdoba Laboratorio de Sistemas de Información Maestro M. López

Más detalles

EVALUACIÓN DEL CUESTIONARIO CEAM

EVALUACIÓN DEL CUESTIONARIO CEAM EVALUACIÓN DEL CUESTIONARIO CEAM RESUMEN DE LA VALORACIÓN DEL TEST Descripción general Nombre del test Autor Características Autor de la adaptación española Editor de la adaptación española Fecha de la

Más detalles

VERACIDAD EN LA PUBLICIDAD DE MEDICAMENTOS

VERACIDAD EN LA PUBLICIDAD DE MEDICAMENTOS VERACIDAD EN LA PUBLICIDAD DE MEDICAMENTOS Iñigo Aizpurua Comité Evaluación de Nuevos Medicamentos de AP de Euskadi Dirección de Farmacia. Departamento de Salud. Gobierno Vasco. Barcelona, 17 de junio

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

Desarrollo ecológico. Beneficios de la integración continua en desarrollos Agile 23/04/2015

Desarrollo ecológico. Beneficios de la integración continua en desarrollos Agile 23/04/2015 Desarrollo ecológico Beneficios de la integración continua en desarrollos Agile Por David Barbáchano González, Gerente de Operaciones en Panel Sistemas. 23/04/2015 panel.es Panel Sistemas Informáticos,

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

AVG File Server. Manual del usuario. Revisión del documento 2015.08 (22.09.2015)

AVG File Server. Manual del usuario. Revisión del documento 2015.08 (22.09.2015) AVG File Server Manual del usuario Revisión del documento 2015.08 (22.09.2015) C opyright AVG Technologies C Z, s.r.o. Reservados todos los derechos. El resto de marcas comerciales son propiedad de sus

Más detalles

Detección de perfiles de liderazgo en Sistemas Colaborativos Soportados por Computadoras

Detección de perfiles de liderazgo en Sistemas Colaborativos Soportados por Computadoras Detección de perfiles de liderazgo en Sistemas Colaborativos Soportados por Computadoras María Florencia Bugarini Directora: Dra. Silvia Schiaffino Codirector: Mg. Patricio García UNICEN Abril 2011 Motivación

Más detalles

Arquitectura de sistema de alta disponibilidad

Arquitectura de sistema de alta disponibilidad Mysql Introducción MySQL Cluster esta diseñado para tener una arquitectura distribuida de nodos sin punto único de fallo. MySQL Cluster consiste en 3 tipos de nodos: 1. Nodos de almacenamiento, son los

Más detalles

Unidad 4: Ejecución de la investigación de mercado.

Unidad 4: Ejecución de la investigación de mercado. Unidad 4: Ejecución de la investigación de mercado. Aplicar los conocimientos adquiridos para realizar e interpretar el estudio de mercado que de solución a la(s) problemática(s) que presenta la organización

Más detalles

Curso DE Fundamentos de Diseño y Estadística

Curso DE Fundamentos de Diseño y Estadística www.metodo.uab.cat Estudios de postgrado en Metodología de la investigación en Ciencias de la Salud Curso DE Fundamentos de Diseño y Estadística Contenidos UD 1 Descripción de datos cuantitativos 1 Conceptos

Más detalles

Tema 1 Introducción a los Sistemas Basados en el Conocimiento

Tema 1 Introducción a los Sistemas Basados en el Conocimiento Tema 1 Introducción a los Sistemas Basados en el Conocimiento Sistemas Basados en el Conocimiento Grado en Ingeniería Informática 1 Referencias Ingeniería del Conocimiento. A. Gómez, N. Juristo, C. Montes,

Más detalles

Gráficas de caja. El borde derecho de la caja es el tercer cuartil, Q 3, que es la mediana de los valores que están por encima de la mediana.

Gráficas de caja. El borde derecho de la caja es el tercer cuartil, Q 3, que es la mediana de los valores que están por encima de la mediana. LECCIÓN CONDENSADA 2.1 Gráficas de caja En esta lección crearás e interpretarás las gráficas de caja para conjuntos de datos usarás el rango intercuartil (IQR) para identificar valores extremos potenciales

Más detalles

Análisis de los determinantes del riesgo de crédito. Aplicación de técnicas emergentes en el marco de los acuerdos de Basilea II y Solvencia II

Análisis de los determinantes del riesgo de crédito. Aplicación de técnicas emergentes en el marco de los acuerdos de Basilea II y Solvencia II REVISTA ESPAÑOLA DE FINANCIACIÓN Y CONTABILIDAD Vol. XXXVI, n.º 135 julio-septiembre 2007 pp. 649-653 649 Análisis de los determinantes del riesgo de crédito. Aplicación de técnicas emergentes en el marco

Más detalles

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos.

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Mecánica MCM - 0531 3 2 8 2.- HISTORIA DEL

Más detalles

Propuesta de un modelo basado en redes neuronales para la detección de riesgo crediticio

Propuesta de un modelo basado en redes neuronales para la detección de riesgo crediticio Revista de Investigación ULASALLE, Rev Inv ULASALLE, Número 1, 2012 (55-64) Universidad La Salle Arequipa, Perú Propuesta de un modelo basado en redes neuronales para la detección de riesgo crediticio

Más detalles

Inferencia Estadística

Inferencia Estadística MaMaEuSch Management Mathematics for European Schools http://www.mathematik.unikl.de/ mamaeusch Inferencia Estadística Paula Lagares Barreiro * Justo Puerto Albandoz * MaMaEuSch ** Management Mathematics

Más detalles

Tema 4: Redes de conmutación

Tema 4: Redes de conmutación Tema 4: Redes de conmutación Introducción... 1 Redes de conmutación de circuitos... 2 Conmutación por división en el espacio... 3 Conmutación por división en el tiempo... 4 Conmutación de paquetes... 5

Más detalles

Análisis de Riesgo en Evaluación de Proyectos

Análisis de Riesgo en Evaluación de Proyectos en Evaluación de Proyectos Objetivos El objetivo es analizar el problema de la medición del riesgo en los proyectos y los distintos criterios y métodos que existen como una forma de incorporarlos a la

Más detalles

Métodos clave para calcular el Valor en Riesgo

Métodos clave para calcular el Valor en Riesgo [.estrategiafinanciera.es ] Caso de Estudio Métodos clave para calcular el Valor en Riesgo La actividad tesorera es especialmente susceptible al riesgo de mercado llegando a provocar en los últimos tiempos

Más detalles

MÉTRICAS DE SOFTWARE. Presentado por: Jhon Alexander Guamanga Cyntia Mileidy Herrera Andrés Felipe Orejuela

MÉTRICAS DE SOFTWARE. Presentado por: Jhon Alexander Guamanga Cyntia Mileidy Herrera Andrés Felipe Orejuela MÉTRICAS DE SOFTWARE Presentado por: Jhon Alexander Guamanga Cyntia Mileidy Herrera Andrés Felipe Orejuela Qué son las métricas de software? El concepto de métrica es el término que describe muchos y muy

Más detalles

CASA DE BOLSA CREDIT SUISSE MEXICO, S. A. Grupo Financiero Credit Suisse México

CASA DE BOLSA CREDIT SUISSE MEXICO, S. A. Grupo Financiero Credit Suisse México CASA DE BOLSA CREDIT SUISSE MEXICO, S. A. Grupo Financiero Credit Suisse México Comentarios y Análisis de la Administración Sobre los Resultados de Operación y Situación Financiera 31 de Marzo de 2013

Más detalles

VERIFICACIÓN DE FIRMAS DE NCR APTRA

VERIFICACIÓN DE FIRMAS DE NCR APTRA VERIFICACIÓN DE FIRMAS DE NCR APTRA La imagen es todo. Proteja la suya. Primera línea de defensa frente al fraude de firmas Usted tiene una presión constante para reducir los costos de los procesamientos

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

MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY)

MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY) MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY) Autor: Lic. Manuel Ernesto Acosta Aguilera Entidad: Facultad de Economía, Universidad de La Habana Dirección: Edificio

Más detalles

Medidas de la tendencia central y las gráficas de caja

Medidas de la tendencia central y las gráficas de caja LECCIÓN CONDENSADA 2.1 Medidas de la tendencia central y las gráficas de caja En esta lección Encontrarás e interpretarás la media, la mediana, y la moda para unos conjuntos de datos Crearás e interpretarás

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

Finanzas e Investigación de Mercados"

Finanzas e Investigación de Mercados DIPLOMATURA: "Análisis de Datos para Negocios, Finanzas e Investigación de Mercados" Seminario: Introducción a Data Mining y Estadística Dictado: Sábado 13, 20,27 de Abril, 04 de Mayo en el horario de

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

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

31.5.2008 Diario Oficial de la Unión Europea L 141/5

31.5.2008 Diario Oficial de la Unión Europea L 141/5 31.5.2008 Diario Oficial de la Unión Europea L 141/5 REGLAMENTO (CE) N o 482/2008 DE LA COMISIÓN de 30 de mayo de 2008 por el que se establece un sistema de garantía de la seguridad del software que deberán

Más detalles

DÉ A SUS ADMINISTRADORES DE BASES DE DATOS ORACLE LOS RESPALDOS QUE DESEAN

DÉ A SUS ADMINISTRADORES DE BASES DE DATOS ORACLE LOS RESPALDOS QUE DESEAN Ventajas de la serie Data Domain DÉ A SUS ADMINISTRADORES DE BASES DE DATOS ORACLE LOS RESPALDOS QUE DESEAN Por qué debe leer este informe Acelere los respaldos (hasta 31 TB/hora, los sistemas de Data

Más detalles

PRINCIPIOS Y DIRECTRICES PARA EL ESTABLECIMIENTO Y LA APLICACIÓN DE CRITERIOS MICROBIOLÓGICOS RELATIVOS A LOS ALIMENTOS

PRINCIPIOS Y DIRECTRICES PARA EL ESTABLECIMIENTO Y LA APLICACIÓN DE CRITERIOS MICROBIOLÓGICOS RELATIVOS A LOS ALIMENTOS PRINCIPIOS Y DIRECTRICES PARA EL ESTABLECIMIENTO Y LA APLICACIÓN DE CRITERIOS MICROBIOLÓGICOS RELATIVOS A LOS ALIMENTOS CAC/GL 21-1997 1. INTRODUCCIÓN 1. Las enfermedades causadas por patógenos transmitidos

Más detalles

Boletín 3050 ESTUDIO Y EVALUACIÓN DEL CONTROL INTERNO

Boletín 3050 ESTUDIO Y EVALUACIÓN DEL CONTROL INTERNO Normas y Procedimientos de auditoria y Normas para atestiguar Boletín 3050 Boletín 3050 ESTUDIO Y EVALUACIÓN DEL CONTROL INTERNO Generalidades El estudio y evaluación del control interno se efectúa con

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

Minimice los riesgos para la migración de red del centro de datos

Minimice los riesgos para la migración de red del centro de datos Minimice los riesgos para la migración de red del centro de datos Optimice su arquitectura e inversión de TI y, al mismo tiempo, reduzca la complejidad y los riesgos Los Servicios de migración de centros

Más detalles

EPB 603 Sistemas del Conocimiento

EPB 603 Sistemas del Conocimiento EPB 603 Sistemas del Conocimiento Dr. Oldemar Rodríguez R. Maestría en Administración de la Tecnología de la Información Escuela de Informática EIA411 EPB 603 - Minería Sistemas de del Datos Conocimiento

Más detalles

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas INDICE Prefacio 1 Introducción 1-1 Preámbulo 1-2 Reseña histórica 1-3 Subdivisiones de la estadística 1-4 Estrategia, suposiciones y enfoque 2 Organizaciones de los datos para que transmitan un significado:

Más detalles

Técnicas Multivariadas Avanzadas

Técnicas Multivariadas Avanzadas Regresión lineal Universidad Nacional Agraria La Molina 2014-2 Regresión lineal Regresión lineal simple Estimando los coecientes Evaluando la precisión de los coecientes estimados Evaluando la precisión

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

Estructura del protocolo OSI

Estructura del protocolo OSI Semana 14 14 Empecemos! En esta última semana del 9no semestre te queremos felicitar por haber llegado hasta aquí con éxito, enfrentando y resolviendo retos relacionados a los tipos de redes. Esperamos

Más detalles

MONITOREAR Y CONTROLAR LOS RIESGOS MONITOREAR Y CONTROLAR LOS RIESGOS MONITOREAR Y CONTROLAR LOS RIESGOS MONITOREAR Y CONTROLAR LOS RIESGOS

MONITOREAR Y CONTROLAR LOS RIESGOS MONITOREAR Y CONTROLAR LOS RIESGOS MONITOREAR Y CONTROLAR LOS RIESGOS MONITOREAR Y CONTROLAR LOS RIESGOS SESIÓN 8 MONITOREAR Y CONTROLAR LOS RIESGOS PROPÓSITO Y OBJETIVOS DEL PROCESO MONITOREAR Y CONTROLAR LOS RIESGOS FACTORES CRÍTICOS DE ÉXITO DEL PROCESO MONITOREAR Y CONTROLAR LOS RIESGOS HERRAMIENTAS Y

Más detalles

CA Nimsoft Monitor. Guía de sondas de Monitorización de Amazon AWS. Serie de aws 2.0

CA Nimsoft Monitor. Guía de sondas de Monitorización de Amazon AWS. Serie de aws 2.0 CA Nimsoft Monitor Guía de sondas de Monitorización de Amazon AWS Serie de aws 2.0 Aviso de copyright de CA Nimsoft Monitor Este sistema de ayuda en línea (el "Sistema") se proporciona con el único propósito

Más detalles

Aprendizaje Automatizado

Aprendizaje Automatizado Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto

Más 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

Análisis y cuantificación del Riesgo

Análisis 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 detalles

DISEÑO DE ENCUESTAS. 1. Introducción. 3. Diseño de la encuesta 4. Tipos de muestreo y selección de la muestra

DISEÑO DE ENCUESTAS. 1. Introducción. 3. Diseño de la encuesta 4. Tipos de muestreo y selección de la muestra DISEÑO DE ENCUESTAS DISEÑO DE ENCUESTAS 1. Introducción 2. Tipos de encuestas 3. Diseño de la encuesta 4. Tipos de muestreo y selección de la muestra introducción Obtención de información De qué forma

Más detalles

Repaso de conceptos. Tipos de RNA más utilizados. Técnicas de Clasificación con RNA. Contenido

Repaso de conceptos. Tipos de RNA más utilizados. Técnicas de Clasificación con RNA. Contenido Contenido Introducción al Diseño de Experimentos para el Reconocimiento de Patrones Capítulo 3: Redes Neuronales Artificiales Curso de doctorado impartido por Dr. Quiliano Isaac Moro Dra. Aranzazu Simón

Más detalles