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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Auditoría de procesos con alto grado de automatización*

Auditoría de procesos con alto grado de automatización* Auditoría de procesos con alto grado de automatización* *connectedthinking PwC Agenda Ambiente tecnológico Mapeo de procesos Identificación de riesgos Identificación de controles Pruebas de controles Ambiente

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

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

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

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

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

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

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

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

PRINCIPIOS DE INVESTIGACIÓN CIENTÍFICA

PRINCIPIOS DE INVESTIGACIÓN CIENTÍFICA PRINCIPIOS DE INVESTIGACIÓN CIENTÍFICA Precisión: definición precisa del objeto de estudio, traducir los resultados a números. Replicación: repetir investigaciones de otros Objetividad: tomar medidas y

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

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3 Capítulo 3 1. Introducción El análisis de regresión lineal, en general, nos permite obtener una función lineal de una o más variables independientes o predictoras (X1, X2,... XK) a partir de la cual explicar

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

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

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

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

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

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

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

I. Información General del Procedimiento

I. Información General del Procedimiento PR-DGSE-5 Octubre 211 I. Información General del Objetivo: Describir los pasos a seguir para la realización de las al Sistema de Gestión de Calidad de la, del MINERD. Alcance: Este procedimiento aplica

Más detalles

CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO

CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO Estadística Superior CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO 1 1. REGRESIÓN LINEAL SIMPLE Y MÚLTIPLE 1.1. Regresión lineal simple 1.2. Estimación y predicción por intervalo en regresión lineal

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

SSTQB. Nivel Fundamentos. Examen ejemplo. Programa de estudios 2010

SSTQB. Nivel Fundamentos. Examen ejemplo. Programa de estudios 2010 SSTQB Nivel Fundamentos Examen ejemplo Página 1 de 12 Fecha publicación: 28 - octubre - 2015 Índice Preguntas... 3 Respuestas... 12 Página 2 de 12 Fecha publicación: 28 - octubre - 2015 Preguntas 1 2 Una

Más detalles

NORMA INTERNACIONAL DE AUDITORÍA 505 CONTENIDO. Párrafos Introducción... 1-6

NORMA INTERNACIONAL DE AUDITORÍA 505 CONTENIDO. Párrafos Introducción... 1-6 NORMA INTERNACIONAL DE AUDITORÍA 505 CONFIRMACIONES EXTERNAS (En vigor para auditorías de estados financieros por periodos que comiencen en o después del 15 de diciembre de 2004)* CONTENIDO Párrafos Introducción...

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

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

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

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

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

Validación de métodos de ensayo

Validación de métodos de ensayo Validación de métodos de ensayo Validación verificación de que los requisitos especificados son adecuados para un uso determinado Ejemplo: Un procedimiento de medición ordinariamente usado para la medición

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

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

Al final de este curso, usted puede usar el examen para confirmar lo que ha aprendido y ganar valiosos Puntos de Recompensa.

Al final de este curso, usted puede usar el examen para confirmar lo que ha aprendido y ganar valiosos Puntos de Recompensa. SIS 204 Instalación y comisionamiento 15 minutos O Generalidades 1 Planificación 2 Instalación 3 Comisionamiento 4 Validación de seguridad funcional total 5 Haciendo el trabajo de papeleo 6 Sumario Generalidades

Más detalles

REPORTE MENSUAL JUNIO 2009

REPORTE MENSUAL JUNIO 2009 REPORTE MENSUAL JUNIO 2009 MONITOREO SATELITAL A NIVEL ESTATAL PARA EL CONTROL DE SUELOS EROSIONADOS POR PÉRDIDA DE COBERTURA VEGETAL Y PROCESOS DE URBANIZACIÓN CONCEPTO Monitoreo satelital a nivel estatal

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

Evaluación independiente

Evaluación independiente Evaluación independiente Fortalecimiento del Sistema Nacional de Farmacovigilancia para la detección, evaluación y prevención de reacciones adversas, fallas terapéuticas y de calidad de los medicamentos

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

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

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

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

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

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

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

Beatriz Pérez. Jornada de Testing en Vivo - 1, 2, 3 probando!

Beatriz Pérez. Jornada de Testing en Vivo - 1, 2, 3 probando! Beatriz Pérez Proceso de Testing Funcional Principales características Etapas Actividades y Entregables Roles Principales características Independiente del proceso de desarrollo Testing funcional de productos

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

MODELO DE ASESORÍA A DISTANCIA PARA EL DISEÑO DE SISTEMAS DE GESTIÓN DE LA CALIDAD PARA EMPRESAS DEL SECTOR DE SERVICIOS ÁREA TEMÁTICA

MODELO DE ASESORÍA A DISTANCIA PARA EL DISEÑO DE SISTEMAS DE GESTIÓN DE LA CALIDAD PARA EMPRESAS DEL SECTOR DE SERVICIOS ÁREA TEMÁTICA MODELO DE ASESORÍA A DISTANCIA PARA EL DISEÑO DE SISTEMAS DE GESTIÓN DE LA CALIDAD PARA EMPRESAS DEL SECTOR DE SERVICIOS ÁREA TEMÁTICA: Diseño de contenidos educativos y formativos en línea. Isolina del

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

De acuerdo a lo anterior, la línea de pobreza se calcula del siguiente modo:

De acuerdo a lo anterior, la línea de pobreza se calcula del siguiente modo: 1 Resumen Ejecutivo En el presente documento se exhiben los resultados obtenidos en el cálculo de pobreza y desigualdad a partir de la Encuesta Nacional de Empleo, Desempleo y Subempleo (ENEMDU) del mes

Más detalles

SISTEMA DE CONTROL INTERNO PARA LAS ENTIDADES REGIDAS POR LA LEY 87 DE 1993

SISTEMA DE CONTROL INTERNO PARA LAS ENTIDADES REGIDAS POR LA LEY 87 DE 1993 1 SISTEMA DE CONTROL INTERNO PARA LAS ENTIDADES REGIDAS POR LA LEY 87 DE 1993 1. INTRODUCCIÓN 1.1 GENERALIDADES Al Presidente de la República, con sujeción a lo dispuesto en las Leyes 87 de 1993 y 489

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

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

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

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

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

CAPITULO 1 INTRODUCCIÓN

CAPITULO 1 INTRODUCCIÓN CAPITULO 1 INTRODUCCIÓN La seguridad en las redes de comunicaciones se ha convertido en un aspecto de importancia para los proveedores del Internet y para los clientes debido a la prioridad que ha tomado

Más detalles

Auditoría. 9 > Auditoría de cuentas a cobrar

Auditoría. 9 > Auditoría de cuentas a cobrar Auditoría. 9 > Auditoría de cuentas a cobrar Juan Carlos Mira Navarro Juan Carlos Mira Navarro 1 / 13 Auditoría. 9 > Auditoría de cuentas a cobrar 1 2 3 4 Procedimientos para verificar la existencia de

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

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

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

Entendiendo mi ambiente de Control

Entendiendo mi ambiente de Control Riesgos y controles de TI, Entendiendo mi ambiente de Control Victor Vasquez AGENDA Agenda Retos de TI Gobierno de TI Concepto riesgo Control Cobit 3 Objetivo Objetivo Lograr que los participantes entiendan

Más detalles

UOG Journal Club: Marzo 2015

UOG Journal Club: Marzo 2015 UOG Journal Club: Marzo 2015 Analisis de DNA fetal libre en sangre materna Para el tamizaje de aneuploidías: un meta-análsis al día. MM Gil, MS Quezada, R Revello, R Akolekar and KH Nicolaides Volume 45,

Más detalles

MATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA

MATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA IES Fco Ayala de Granada Sobrantes 00 (Modelo ) Soluciones Germán-Jesús Rubio Luna MATEMÁTICAS CCSS II Sobrantes 00 (Modelo ) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO Sea el recinto del plano definido

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

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

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