Agrupamiento de puntos de venta en una red de distribución

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

Download "Agrupamiento de puntos de venta en una red de distribución"

Transcripción

1 Agrupamento de puntos de venta en una red de dstrbucón Utlzando el Método de grafos y la Generacón de cortes para su solucón a través del lenguaje de modelacón AMPL. 26/Ago./04

2 Presenta: Aracel Ramírez Jménez Insttuto Tecnológco de Querétaro Partcpante del XIV Verano de la Investgacón Centífca Asesor: Dr. Roger Z. Ríos Mercado

3 Educacón, no es cuánto has aprenddo de memora o aún cuánto sabes, es ser capáz de dstngur entre lo que sabes y lo que desconoces, es saber haca donde drgrte para encontrar lo que necestas conocer, y es saber cómo utlzar la nformacón una vez que la obtenes. Wllam Feather

4 I.- Agenda: Fundamentos Teórcos II.- Descrpcón del problema y Objetvo III.- Formulacón matemátca IV.- Metodología y Desarrollo del prototpo a segur V.- Resultados ncales con AMPL VI.- 2a etapa de solucón VII.- Pruebas y Resultados VIII.- Conclusones

5 FUNDAMENTOS TEÓRICOS Problemas de optmzacón entera mta Son aquéllos problemas de programacón lneal en donde algunas de las varables asumen valores enteros y cuya solucón optma se encuentra dentro de un conjunto dscreto fnto de alternatvas. Heurístcas Técnca de apromacón o método de búsqueda de solucones factbles a un tempo computaconal razonable que no garantza optmaldad n squera cercanía al optmo.

6 Relajacón Agrupamento de puntos de venta Consste en resolver un modelo de programacón removendo restrccones para obtener así un modelo con un tempo de solucón menor que abarque el conjunto de solucones factbles del problema orgnal. Grafo Conjunto de elementos (nodos) entre los que esten lgaduras ya sea orentadas o no; s las lgaduras están drgdas se llaman arcos s no se les llama arstas. A la sucesón de arstas adyacentes se les llama a su vez cadenas y al grafo que esta formado de cadenas se le conoce como grafo coneo.

7 DESCRIPCIÓN DEL PROBLEMA Se tene una red de dstrbucón compuesta de N puntos de venta, los cuales buscan agruparse en K grupos ecluyentes e nterconectados, cuyo numero no se conoce, el OBJETIVO es entonces determnar el menor número de grupos así como el número optmo de puntos de venta que se le deben asgnar a cada grupo mnmzando sus desvacones con la msma penalzacón, de acuerdo a 3 factores a los que se les da certo peso: Clentes, Ventas, y Carga de trabajo (hrs.) para lograr así que los grupos sean lo más posble homogéneos, y bajo restrccones de elegbldad.

8 La complejdad de este problema radca en que al determnar una partcón de la red en grafos, esta tome en cuenta la conectvdad de los puntos de tal forma que los grafos que se obtengan sean coneos; es decr, que para llegar de un punto a otro de un msmo grafo sólo se utlcen las arstas pertenecentes a ese grafo, esto mplca que la restrccón que se formule para este aspecto sea de comportamento eponencal lo cual haría que su enumeracón sea ehaustva para todas las posbles combnacones que se puedan formar. Para soluconar esto, estas restrccones se han relajado y en su lugar se ha optado por agregar cortes que permtrán acotar la regón factble cada vez mas.

9 FORMULACION MATEMÁTICA Varables de decsón w y v j j = = = = I = K = A = 1s el punto se asgna 0 caso contraro 1 s la arsta (, j) se asgna 0 caso contraro 1 s el grupo este 0 caso contraro al grupo al grupo 1 s en el grupo estan los puntos 0 caso contraro { 1,2,..., N} { 1,2,..., M } (, j), j puntos a agrupar grupos a formar { I} arstas de elegldad y j

10 Parámetros de desempeño C c V v T t N M MA MNE MEF (, j) (, j) (, j) No. de clentes que debe haber por grupo. No.de clentes en el nodo. Volumen de ventas que debe haber por grupo. volumen de ventas en el nodo. Carga de trabajo que debe haber por grupo. Carga de trabajo en el nodo. No. dsponble de puntos de venta en la red. No. mámo de grupos. Matrz de adyacenca nodo-nodo. Matrz de no elegbldad, MNEj = 1ndca que los puntos,j no pueden pertenecer al msmo grupo. Matrz de elegbldad forzosa, MEFj= 1ndca que los puntos, j deben pertenecer al msmo grupo.

11 Funcón objetvo zg = mn f() = a z s + + s 3 = 1 ma{ s + + s } 3 Mn zg= = 1 a z = crtero= 1, 2, 3 a = factor de peso para cada crtero

12 Restrccones Capacdad del grupo Agrupamento de puntos de venta a. No. de clentes/grupo debe ser el establecdo I c - s+ s = C + b. El volumen de ventas/grupo debe ser el establecdo K I v - s+ s = V + K c. La carga de trabajo/grupo no debe eceder el mámo establecdo I t - s+ s = T + K

13 Asgnacón a. Asegura que todo punto quede asgnado a un solo grupo K = 1 I b. Asegura que no se asgnen puntos s no este el grupo y K, I c. Asegura que no esta el grupo s no hay puntos asgnados y I 0 K

14 Elegbldad Evta que puntos marcados como no compatbles pertenezcan al msmo grupo NE (, j) + j = 1 + ne j + 2 j 1 K,, j I Asegura que puntos marcados como forzosamente elegbles pertenezcan al msmo grupo EF (, j) = 1 v v j j ef j + j j - v j K v j + 1 j = 2 K, K, K,, j I, j, j, j I I I

15 Conectvdad Aseguran que los nodos que conforman al grupo formen un grafo coneo w w j j + j j - w j 1 (, j) A, K, (, j) A, K, (, j) A, K, I j I, j I No negatvdad s ω s +, ω 0 {1, 2, 3} Integraldad, w, y, v { 0,1}

16 METODOLOGIA Y DESARROLLO DEL PROTOTIPO A SEGUIR Debdo a la complejdad de este modelo en cuanto a las restrccones de conectvdad lo que se hace en este trabajo es en una prmera etapa relajar dchas restrccones y modelamos las demás sn nngún problema en el lenguaje de modelacón AMPL, para ello nos basamos en un ejemplo de 10 puntos de venta, con sus respectvos datos de número de clentes, volúmen de ventas y horas de trabajo.

17 RESULTADOS INICIALES CON AMPL Al modelar en AMPL con las restrccones de conectvdad relajadas, as, la solucón que se obtuvo fue la sguente: Funcón objetvo global =

18 2a ETAPA DE SOLUCIÓN: cortes Generacón de Para lograr grafos coneos lo que hacemos es agregar restrccones al modelo relajado de forma teratva a los grafos que conforme obtengamos resulten no serlo. Las restrccones y varables que añadmos para un prmer grafo no coneo son: β Mβ1 4β1 = varable aular bnara K K

19 PRUEBAS Y RESULTADOS Corte 1 En la nueva partcón, los grafos que resultan son los sguentes: s: Funcón objetvo global = 167 Esten 2 grafos que sguen sendo no coneos, el que tomamos para agregar las restrccones del 2 corte sobre él, es el grafo de los nodos 3, 6 y 10: 3 3 β = Mβ 2 4β 2 varable aular bnara K K

20 Corte 12 Para este corte obtenemos fnalmente ya grafos totalmente coneos: Funcón objetvo global =

21 CONCLUSIONES En este trabajo se muestra como al utlzar una técnca eacta por medo de la relajacón y la generacón de cortes podemos obtener la solucón optma en un tempo computaconal corto. Mostramos la complejdad que tene un problema de programacón entera mto por el número de las varables enteras. La gran aplcacón que se le puede dar a cualquer problema de la vda real con este modelo y la metodología mostrada.

22 GRACIAS!!! Dudas?

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA 35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE

Más detalles

Espacios de Búsqueda en un Árbol Binario para Resolver Problemas de Optimización Discreta

Espacios de Búsqueda en un Árbol Binario para Resolver Problemas de Optimización Discreta Espacos de Búsueda en un Árbol Bnaro para Resolver Problemas de Optmzacón Dscreta María Elena Gómez-Torres J. Crspín Zavala-Díaz Marco Antono Cruz- Chávez 3 Insttuto Tecnológco de Zacatepec Calzada Insttuto

Más detalles

3.- Programación por metas.

3.- Programación por metas. Programacón Matemátca para Economstas 1 3.- Programacón por metas. Una vez menconados algunos de los nconvenentes de las técncas generadoras, la ncorporacón de nformacón se va a traducr en una accón del

Más detalles

RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF

RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTOR OF ELECTRONIC PARTS) Una empresa fabrca tres tpos de componentes electróncos,

Más detalles

Programación Matemática. Juan Pérez Retamales

Programación Matemática. Juan Pérez Retamales Programacón Matemátca Profesor: Auxlar: Juan Pérez Retamales Francsco Vergara Capítulo 1: Introduccón Programacón Matemátca Agenda del Capítulo 1 1. Sobre la dscplna y su clasfcacón 2. Formulacones cláscas

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009 UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas

Más detalles

III CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES

III CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES III CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES TUTORIAL: ANÁLISIS MULTIOBJETIVO CONSIDERANDO INCERTIDUMBRE E IMPRECISIÓN Patrca Jaramllo A. y Rcardo A. Smth

Más detalles

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al

Más detalles

Optimización multicriterio. Andrés Ramos Universidad Pontificia Comillas

Optimización multicriterio. Andrés Ramos Universidad Pontificia Comillas Optmzacón multcrtero Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu Contendo 1. Conceptos báscos 2. Métodos contnuos 3. Métodos dscretos Escuela Técnca

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Métodos multivariantes en control estadístico de la calidad UNIVERSIDAD NAIONAL MAYOR DE SAN MAROS FAULTAD DE IENIAS MATEMÁTIAS E.A.P. DE ESTADÍSTIA Métodos multvarantes en control estadístco de la caldad apítulo IV. Gráfcos de control MUSUM TRABAJO MONOGRÁFIO

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO.

APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO. APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO. Dado un numero n de puntos del plano ( a, b ) es posble encontrar una funcón polnómca

Más detalles

Mosto Vino joven Vino crianza Vino reserva Gran reserva Precio [ /l] Coste [ /l] Evap [%]

Mosto Vino joven Vino crianza Vino reserva Gran reserva Precio [ /l] Coste [ /l] Evap [%] PROBLEMA: EL BODEGUERO Un bodeguero ha tendo una buena cosecha que estma sea de 10000 ltros. El bodeguero ha de decdr qué cantdad de la cosecha dedcarla a hacer mosto, qué cantdad conservarla un año en

Más detalles

En un mercado hay dos consumidores con las siguientes funciones de utilidad:

En un mercado hay dos consumidores con las siguientes funciones de utilidad: En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta

Más detalles

Introducción a la Optimización Multiobjetivo

Introducción a la Optimización Multiobjetivo Introduccón a la Optmzacón Multobjetvo Optmzacón Multobjetvo (MOP) Práctcamente en cualquer área y en una varedad de contetos se presentan problemas con múltples objetvos que se contraponen entre sí A

Más detalles

Nuevos Algoritmos en el Problema de Transporte. UPV. Correo-e: RESUMEN

Nuevos Algoritmos en el Problema de Transporte. UPV. Correo-e: RESUMEN V Congreso de Ingenería de Organzacón Valladold-Burgos, 4-5 Septembre 003 ƒ Índce Nuevos Algortmos en el Problema de Transporte Francsco López Ruz 1, Germán Arana Landín 1 Doctor Ingenero Industral, Departamento

Más detalles

CI63G Planificación de Sistemas de Transporte Público Urbano. Clase 8 Semestre Otoño 2008

CI63G Planificación de Sistemas de Transporte Público Urbano. Clase 8 Semestre Otoño 2008 CI63G Planfcacón de Sstemas de Transporte Públco Urbano Clase 8 Semestre Otoño 2008 Undades Temátcas 1. La oferta de transporte públco urbano (2 semanas) 2. La demanda por TPU (1,5 sem.) 3. Dseño y optmzacón

Más detalles

Sistemas Lineales de Masas-Resortes 2D

Sistemas Lineales de Masas-Resortes 2D Sstemas neales de Masas-Resortes D José Cortés Pareo. Novembre 7 Un Sstema neal de Masas-Resortes está consttudo por una sucesón de puntos (de ahí lo de lneal undos cada uno con el sguente por un resorte

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un estimado de intervalo o intervalo de confianza ( IC Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá

Más detalles

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II) LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN

Más detalles

Tema 1.- Variable aleatoria discreta (V2.1)

Tema 1.- Variable aleatoria discreta (V2.1) Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto

Más detalles

Utilizar sumatorias para aproximar el área bajo una curva

Utilizar sumatorias para aproximar el área bajo una curva Cálculo I: Guía del Estudante Leccón 5 Apromacón del área bajo la curva Leccón 5: Apromacón del área bajo una curva Objetvo: Utlzar sumatoras para apromar el área bajo una curva Referencas: Stewart: Seccón

Más detalles

+ y 1 ; U 2 (x 2,y 2 ) = ax 2 (x 2) 2 2

+ y 1 ; U 2 (x 2,y 2 ) = ax 2 (x 2) 2 2 13. Consdere un mercado en el que hay dos consumdores con las sguentes funcones de utldad: U 1 (x 1,y 1 = 4x 1 (x 1 + y 1 ; U (x,y = ax (x + y con 4 > a >0 donde x, =1,, es la cantdad del ben x consumda

Más detalles

INSTITUTO POLITECNICO NACIONAL SECRETARIA ACADEMICA DIRECCION DE ESTUDIOS PROFESIONALES EN INGENIERIA Y CIENCIAS FISICO MATEMATICAS

INSTITUTO POLITECNICO NACIONAL SECRETARIA ACADEMICA DIRECCION DE ESTUDIOS PROFESIONALES EN INGENIERIA Y CIENCIAS FISICO MATEMATICAS ESCUELA: CARRERA: ESPECALDAD: COORDNACON: DEPARTAMENTO: UPCSA NGENERA EN TRANSPORTE ACADEMAS DE MATEMATCAS CENCAS BASCAS ASGNATURA: MATEMATCAS APLCADAS : TMMA SEMESTRE: 4 CREDTOS: 8 VGENTE: ENERO 2000

Más detalles

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización. Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón

Más detalles

Extracción de Atributos. Dr. Jesús Ariel Carrasco Ochoa Oficina 8311

Extracción de Atributos. Dr. Jesús Ariel Carrasco Ochoa Oficina 8311 Extraccón de Atrbutos Dr. Jesús Arel Carrasco Ochoa arel@naoep.mx Ofcna 8311 Contendo Introduccón PCA LDA Escalamento multdmensonal Programacón genétca Autoencoders Extraccón de atrbutos Objetvo Preprocesamento

Más detalles

Cátedra Investigación Operativa

Cátedra Investigación Operativa Cátedra Investgacón Operatva Prof. Ttular Prof. Adunto JTP JTP Dr. Ing. Jorge E. Núñez Mc Leod Ing. Horaco Day Ing. Roberto Martín (lcenca) Ing. Romna Calvo Olvares Clases: Aula: Vernes 9:-: hs. Teórco-práctcos

Más detalles

Estimación no lineal del estado y los parámetros

Estimación no lineal del estado y los parámetros Parte III Estmacón no lneal del estado y los parámetros 1. Estmacón recursva El ltro de Kalman extenddo 12 es una técnca muy utlzada para la la estmacón recursva del estado de sstemas no lneales en presenca

Más detalles

Planeamiento de sistemas de distribución de energía eléctrica usando Branch and Bound

Planeamiento de sistemas de distribución de energía eléctrica usando Branch and Bound Planeamento de sstemas de dstrbucón de energía eléctrca usando Branch and Bound Maurco Granada Echeverr 1 Ramón Alfonso Gallego Rendón 2 Rcardo Alberto Hncapé Isaza 3 RESUMEN Este trabajo presenta un algortmo

Más detalles

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

APUNTES DE MODELADO DE PROBLEMAS DE OPTIMIZACIÓN (tema 1 del curso)

APUNTES DE MODELADO DE PROBLEMAS DE OPTIMIZACIÓN (tema 1 del curso) APUNTES DE MODELADO DE PROBLEMAS DE OPTIMIZACIÓN (tema del curso) Fco. Alberto Campos Fdez. 205 Alberto Agulera 23 E 2805 Madrd Tel: 34 9 542 2800 Fa: 34 9 54 32 www.do.ca.upcomllas.es ÍNDICE.. DEFINICIÓN

Más detalles

2.Estado del arte 2. ESTADO DEL ARTE

2.Estado del arte 2. ESTADO DEL ARTE 2.Estado del arte 2. ESTADO DEL ARTE En este capítulo se desarrollarán las contrbucones más destacables relaconadas con la localzacón de termnales de consoldacón de carga o hubs y las metodologías exstentes

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

Gráficos de flujo de señal

Gráficos de flujo de señal Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo

Más detalles

UN PROBLEMA LOGÍSTICO DE PROGRAMACIÓN DE VEHÍCULOS CON VENTANAS DE TIEMPO(VRPTW)

UN PROBLEMA LOGÍSTICO DE PROGRAMACIÓN DE VEHÍCULOS CON VENTANAS DE TIEMPO(VRPTW) Scenta et Technca Año XIV, No 39, Septembre de 2008. Unversdad Tecnológca de Perera. ISSN 0122-1701 229 UN PROBLEMA LOGÍSTICO DE PROGRAMACIÓN DE VEHÍCULOS CON VENTANAS DE TIEMPO(VRPTW) A logstc case of

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

TEMA 4. TEORÍA DE LA DUALIDAD.

TEMA 4. TEORÍA DE LA DUALIDAD. Investgacón Operatva TEMA. TEORÍA DE LA DUALIDAD. TEMA. TEORÍA DE LA DUALIDAD..... INTRODUIÓN... ALGORITMO DUAL DEL SIMPLEX.... EJEMPLO.... EJEMPLO.... EJEMPLO... TEORÍA DE LA DUALIDAD.... PROLEMA PRIMAL

Más detalles

Apellidos y nombre: i. El valor anual de la amortización de la construcción es fijo y vale A. 2. Cada punto de venta tiene una demanda anual dem

Apellidos y nombre: i. El valor anual de la amortización de la construcción es fijo y vale A. 2. Cada punto de venta tiene una demanda anual dem 4º IIND Métodos Matemátcos 5 de septembre de 00 Apelldos y nombre: PROBLEMA (4 puntos) Una empresa tene puntos de venta stuados sobre una ruta que, a efectos de planfcacón, puede ser consderada como una

Más detalles

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

c = costo unitario de transportar entre el origen i a un destino j x = Cantidad transportada desde el origen i al destino j UNIDAD VI

c = costo unitario de transportar entre el origen i a un destino j x = Cantidad transportada desde el origen i al destino j UNIDAD VI UNIDAD VI VI. ESTRUCTURA Y SOLUCIÓN DE UN MODELO PARA EL SISTEMA DE TRANSPORTE, ASIGNACIÓN Y TRANSBORDO.. Estructura Del modelo de transporte En esta oportundad analzaremos la estructura de tres tpos de

Más detalles

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II) LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN

Más detalles

Redalyc. Gallego, Ramón A.; Escobar Z., Antonio H.; Rodas Rendón, Darío E.

Redalyc. Gallego, Ramón A.; Escobar Z., Antonio H.; Rodas Rendón, Darío E. Redalyc Sstema de Informacón Centífca Red de Revstas Centífcas de Amérca Latna, el Carbe, España y Portugal Gallego, Ramón A.; Escobar Z., Antono H.; Rodas Rendón, Darío E. ALGORITMO GENÉTICO ESPECIALIZADO

Más detalles

JUEGO FICTICIO PARA RESOLVER UN JUEGO DE DEMANDA DINAMICA EN UNA CADENA DE ABASTECIMIENTO DE DOS NIVELES CON TOMA DE DECISIÓN EN UN NIVEL.

JUEGO FICTICIO PARA RESOLVER UN JUEGO DE DEMANDA DINAMICA EN UNA CADENA DE ABASTECIMIENTO DE DOS NIVELES CON TOMA DE DECISIÓN EN UN NIVEL. U N I V E R S I D A D D E L N O R T E JUEGO FICTICIO PARA RESOLVER UN JUEGO DE DEMANDA DINAMICA EN UNA CADENA DE ABASTECIMIENTO DE DOS NIVELES CON TOMA DE DECISIÓN EN UN NIVEL. Lala Cure Vellojín Drector:

Más detalles

MODELOS DE SECUENCIACIÓN EN MÁQUINAS 1

MODELOS DE SECUENCIACIÓN EN MÁQUINAS 1 odelos de secuencacón de tareas en máqunas Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu ODELOS DE SECUENCIACIÓN EN ÁQUINAS odelos de secuencacón de tareas

Más detalles

Resumen. Palabras clave: redes de distribución, agrupamiento de pedidos, algoritmos matemáticos ( ( 1. Introducción

Resumen. Palabras clave: redes de distribución, agrupamiento de pedidos, algoritmos matemáticos ( ( 1. Introducción X ongreso de Ingenería de Organzacón Valenca, 7 y 8 de septembre de 2006 ( puntos) Desarrollo de un algortmo de agrupamento de peddos y su aplcacón a redes de dstrbucón para las empresas cerámcas puntos)

Más detalles

Aplicación del Ómicron ACO al problema de Compensación de Potencia Reactiva en un Contexto Multiobjetivo.

Aplicación del Ómicron ACO al problema de Compensación de Potencia Reactiva en un Contexto Multiobjetivo. Aplcacón del Ómcron ACO al problema de Compensacón de Potenca Reactva en un Contexto Multobjetvo. Pedro Gardel, Benjamn Barán, Hugo Estgarrba, Ubaldo Fernández. Centro Naconal de Computacón, Unversdad

Más detalles

APLICACIÓN DE TÉCNICAS MATHEURISTICAS AL PROBLEMA DE RUTEO ÓPTIMO DE VEHÍCULOS CONSIDERANDO UNA METODOLOGÍA DE REDUCCIÓN DEL ESPACIO DE BÚSQUEDA.

APLICACIÓN DE TÉCNICAS MATHEURISTICAS AL PROBLEMA DE RUTEO ÓPTIMO DE VEHÍCULOS CONSIDERANDO UNA METODOLOGÍA DE REDUCCIÓN DEL ESPACIO DE BÚSQUEDA. APLICACIÓN DE TÉCNICAS MATHEURISTICAS AL PROBLEMA DE RUTEO ÓPTIMO DE VEHÍCULOS CONSIDERANDO UNA METODOLOGÍA DE REDUCCIÓN DEL ESPACIO DE BÚSQUEDA. Lus Hernando Martínez Rubo Cod: 1087994883 Drector PhD.

Más detalles

El Impacto de las Remesas en el PIB y el Consumo en México, 2015

El Impacto de las Remesas en el PIB y el Consumo en México, 2015 El Impacto de las Remesas en el y el Consumo en Méxco, 2015 Ilana Zárate Gutérrez y Javer González Rosas Cudad de Méxco Juno 23 de 2016 1 O B J E T I V O Durante muchos años la mgracón ha sdo vsta como

Más detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.

Más detalles

Revista Venezolana de Análisis de Coyuntura ISSN: Universidad Central de Venezuela Venezuela

Revista Venezolana de Análisis de Coyuntura ISSN: Universidad Central de Venezuela Venezuela Revsta Venezolana de Análss de Coyuntura ISSN: 35-367 coyuntura@cantv.net Unversdad Central de Venezuela Venezuela Rodríguez Toledo, Rafael Computacón emergente y su nfluenca en las cencas económcas, caso

Más detalles

La necesidad de abastecimiento de petróleo de las distintas refinerías se define como b i

La necesidad de abastecimiento de petróleo de las distintas refinerías se define como b i PROBLEMA: CONEIÓN DE DOS OLEODUCTOS (CONNECTING TWO PIPELINES) Una empresa petrolífera posee sete refnerías {A,B,C,D,E,F,G} que están comuncadas medante una red de oleoductos con capacdades denomnadas

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Junio de :00 horas. Pregunta 19 A B C En Blanco. Pregunta 18 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 6 de Juno de 3 9: horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta A B C En Blanco Pregunta

Más detalles

Matemáticas Discretas

Matemáticas Discretas Coordnacón de Cencas Computaconales - INAOE Matemátcas Dscretas Cursos Propedéutcos 2010 Cencas Computaconales INAOE Dr. Lus Vllaseñor Pneda vllasen@naoep.mx http://ccc.naoep.mx/~vllasen Algo de nformacón

Más detalles

METODOS NUMERICOS CATEDRA 0 6. Ingeniería Civil ING.CRISTIANCASTROP. Facultad de Ingeniería de Minas, Geología y Civil

METODOS NUMERICOS CATEDRA 0 6. Ingeniería Civil ING.CRISTIANCASTROP. Facultad de Ingeniería de Minas, Geología y Civil CATEDRA 0 6 Facultad de Ingenería de Mnas, Geología Cvl Departamento académco de ngenería de mnas cvl METODOS NUMERICOS Ingenería Cvl ING.CRISTIANCASTROP. Captulo VI Sstema de Ecuacones Algebracas No Lneales

Más detalles

Un modelo de programación lineal paramétrica para la resolución del MRP con restricciones de capacidad

Un modelo de programación lineal paramétrica para la resolución del MRP con restricciones de capacidad X Congreso de ngenería de Organzacón Valenca, 7 y 8 de septembre de 2006 Un modelo de programacón lneal paramétrca para la resolucón del MRP con restrccones de capacdad Josefa Mula Bru, Raúl Poler Escoto

Más detalles

Objetivos El alumno conocerá y aplicará diversas técnicas de derivación e integración numérica. Al final de esta práctica el alumno podrá:

Objetivos El alumno conocerá y aplicará diversas técnicas de derivación e integración numérica. Al final de esta práctica el alumno podrá: Objetvos El alumno conocerá y aplcará dversas técncas de dervacón e ntegracón numérca. Al fnal de esta práctca el alumno podrá:. Resolver ejerccos que contengan dervadas e ntegrales, por medo de métodos

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

CASO 1: Variable CONTINUA con idéntica probabilidad de ocurrencia para los infinitos valores comprendidos entre dos extremos (inferior y superior)

CASO 1: Variable CONTINUA con idéntica probabilidad de ocurrencia para los infinitos valores comprendidos entre dos extremos (inferior y superior) DIFERENTES TIOS DE DISTRIBUCIÓN UTILIZACIÓN DE FUNCIONES DE EXCEL EN MODELOS DE SIMULACIÓN Utlzacón ndvdual y conjunta de funcones para la representacón del comportamento de varables bajo las alternatvas

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu CONENIDO PROBLEMAS DE PROGRAMACIÓN NO LINEAL IPOS DE PROBLEMAS NLP CLASIFICACIÓN DE MÉODOS

Más detalles

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL.

VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. VARIABLE ALEATORIA DISCRETA. DISTRIBUCIÓN BINOMIAL. Concepto de varable aleatora. Se llama varable aleatora a toda aplcacón que asoca a cada elemento del espaco muestral de un epermento, un número real.

Más detalles

Visión moderna del modelo de transporte clásico

Visión moderna del modelo de transporte clásico Vsón moderna del modelo de transporte clásco Zonfcacón y Red Estratégca Datos del Año Base Datos de Planfcacón Para el Año de Dseño Base de Datos año base futuro Generacón de Vajes Demanda Dstrbucón y

Más detalles

UN PROBLEMA LOGÍSTICO DE RUTEO DE VEHÍCULOS Y UNA SOLUCIÓN CON LA HEURÍSTICA R: UN CASO DE ESTUDIO

UN PROBLEMA LOGÍSTICO DE RUTEO DE VEHÍCULOS Y UNA SOLUCIÓN CON LA HEURÍSTICA R: UN CASO DE ESTUDIO Scenta et Technca Año XIII, No 37, Dcembre de 2007. Unversdad Tecnológca de Perera. ISSN 0122-1701 407 UN PROBLEMA LOGÍSTICO DE RUTEO DE VEHÍCULOS Y UNA SOLUCIÓN CON HEURÍSTICA R: UN CASO DE ESTUDIO A

Más detalles

Propuesta de diseño de la subasta de Temporada Abierta Diciembre 2016

Propuesta de diseño de la subasta de Temporada Abierta Diciembre 2016 Introduccón Propuesta de dseño de la subasta de Temporada Aberta Dcembre 2016 1. En la prmera subasta de temporada aberta se ofrecerá el transporte y almacenamento de gasolnas y désel en las zonas 1 Rosarto

Más detalles

CADENAS DE ABASTECIMIENTO

CADENAS DE ABASTECIMIENTO CADENAS DE ABASTECIMIENTO Localzacón Dscreta Problema de la mochla Funcón Obetvo: Escoger un grupo de productos que maxmce el valor total sn exceder el espaco dsponble Varable de decsón x : 1 s se escoge

Más detalles

A B C D Margen Básico Transmisor Wifi Número de empleados

A B C D Margen Básico Transmisor Wifi Número de empleados PROBLEMA: TELEVISIÓN DIGITAL Una empresa de fabrcacón de aparatos electróncos está vendo la posbldad de lanzar al mercado decodfcacodres que permtan a los televsores analógcos vsualzar la señal de la televsón

Más detalles

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}

Para dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)} Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces

Más detalles

TEMA 5. INTERPOLACION

TEMA 5. INTERPOLACION TEMA 5.. Introduccón. Nomenclatura. Interpolacón lneal 4. Interpolacón cuadrátca 5. Interpolacón por splnes cúbcos 6. RESUMEN 7. Programacón en Matlab INTERPOLACION . Introduccón En el Tema 4, se ha descrto

Más detalles

Determinación de las vacaciones y de la jornada laboral en un centro de servicios con trabajadores polivalentes y jornada anualizada *.

Determinación de las vacaciones y de la jornada laboral en un centro de servicios con trabajadores polivalentes y jornada anualizada *. ƒ Índce Determnacón de las vacacones y de la jornada laboral en un centro de servcos con trabajadores polvalentes y jornada anualzada *. A. Coromnas, A. Lusa 2, R. Pastor 3 Dr. Ing. Industral, IOC-DOE-ESEIB,

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

TEMA 4 Variables aleatorias discretas Esperanza y varianza Métodos Estadístcos para la Ingenería Curso007/08 Felpe Ramírez Ingenería Técnca Químca Industral TEMA 4 Varables aleatoras dscretas Esperanza y varanza La Probabldad es la verdadera guía de la vda. Ccerón

Más detalles

ANEXO 24 JUSTIFICACIÓN ECONÓMICA

ANEXO 24 JUSTIFICACIÓN ECONÓMICA ANEXO 24 JUSTIFICACIÓN ECONÓMICA 1 JUSTIFICACION ECONOMICA 1.0 MARCO DE REFERENCIA El plan de Expansón de del Sstema de Transmsón (PEST), tene el objetvo de planfcar la expansón y reposcón del sstema de

Más detalles

DISEÑO SEVERO. PALACIOS C. SEVERO Consultor Metalúrgico. Lima Perú

DISEÑO SEVERO. PALACIOS C. SEVERO Consultor Metalúrgico. Lima Perú DISEÑO SEVERO PALACIOS C. SEVERO Consultor Metalúrgco espc@yahoo.com Lma Perú RESUMEN: Se ha desarrollado un nuevo dseño de mucha utldad para los procesos ndustrales al cual he denomnado Dseño Severo.

Más detalles

ANEXO A: Método de Interpolación de Cokriging Colocado

ANEXO A: Método de Interpolación de Cokriging Colocado ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),

Más detalles

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD

10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD 10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo

Más detalles

ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana.

ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL. a) Calcula la temperatura media y la temperatura mediana de la semana. Matemátcas Aplcadas a las Cencas Socales I ACTIVIDADES ESTADÍSTICA UNIDIMENSIONAL 1) Se ha meddo la temperatura en grados centígrados la presón atmosférca en mm en una cudad durante una semana obtenéndose

Más detalles

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño

EDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste

Más detalles

Variable aleatoria: definiciones básicas

Variable aleatoria: definiciones básicas Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado

Más detalles

Trabajo Especial 2: Cadenas de Markov y modelo PageRank

Trabajo Especial 2: Cadenas de Markov y modelo PageRank Trabajo Especal 2: Cadenas de Markov y modelo PageRank FaMAF, UNC Mayo 2015 1. Conceptos prelmnares Sea G = (V, E, A) un grafo drgdo, con V = {1, 2,..., n} un conjunto (contable) de vértces o nodos y E

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron

Más detalles

En general puede representarse por : Clase 6 3

En general puede representarse por : Clase 6 3 Encontrar raíces de uncones es uno de los problemas más comunes en ngenería Los métodos numércos para encontrar raíces de uncones son utlzados cuando las técncas analítcas no pueden ser aplcadas. Esto

Más detalles

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema

Tema 1:Descripción de una variable. Tema 1:Descripción de una variable. 1.1 El método estadístico. 1.1 El método estadístico. Describir el problema Tema :Descrpcón de una varable Tema :Descrpcón de una varable. El método estadístco. Descrpcón de conjuntos de datos Dstrbucones de frecuencas. Representacón gráfca Dagrama de barras Hstograma. Meddas

Más detalles

METODOS NUMERICOS CATEDRA 0 6. Ingeniería Civil ING.CRISTIANCASTROP. Facultad de Ingeniería de Minas, Geología y Civil

METODOS NUMERICOS CATEDRA 0 6. Ingeniería Civil ING.CRISTIANCASTROP. Facultad de Ingeniería de Minas, Geología y Civil ING.CRISTIANCASTROP. CATEDRA 0 6 Facultad de Ingenería de Mnas, Geología Cvl Departamento académco de ngenería de mnas cvl METODOS NUMERICOS Ingenería Cvl ING.CRISTIANCASTROP. Captulo VI Sstema de Ecuacones

Más detalles

Modelamiento de centrales térmicas que utilizan dos combustibles y de las limitaciones en la disponibilidad de combustible en el despacho

Modelamiento de centrales térmicas que utilizan dos combustibles y de las limitaciones en la disponibilidad de combustible en el despacho Modelamento de centrales térmcas que utlzan dos combustbles y de las lmtacones en la dsponbldad de combustble en el despacho hdrotérmco en programacón lneal Arturo F. Olvera Castañeda MODELAMIENTO DE CENTRALES

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la

Más detalles

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm

Instituto Tecnológico Superior del Sur del Estado de Yucatán EGRESIÓN LINEAL REGRESI. 10 kg. 10 cm Insttuto Tecnológco Superor del Sur del Estado de Yucatán REGRESI EGRESIÓN LINEAL 100 90 80 70 60 10 kg. 50 40 10 cm. 30 140 150 160 170 180 190 200 Objetvo de la undad Insttuto Tecnológco Superor del

Más detalles

AUTOMATRÍCULA POR ORDENADOR Y CALIDAD DE HORARIOS PARA LOS ESTUDIANTES. Alvarez-Valdés, R. Tamarit, J.M. 1 Crespo, E. Sala, R. 2

AUTOMATRÍCULA POR ORDENADOR Y CALIDAD DE HORARIOS PARA LOS ESTUDIANTES. Alvarez-Valdés, R. Tamarit, J.M. 1 Crespo, E. Sala, R. 2 V JORNADAS ASEPUMA AUTOMATRÍCULA POR ORDENADOR Y CALIDAD DE HORARIOS PARA LOS ESTUDIANTES Alvarez-Valdés, R. Tamart, J.M. 1 Crespo, E. Sala, R. 2 1. INTRODUCCIÓN A la hora de efectuar la matrícula de sus

Más detalles

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,

Más detalles

VII. Solución numérica de ecuaciones diferenciales

VII. Solución numérica de ecuaciones diferenciales VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las

Más detalles

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Redes de Neuronas: Preparacón de datos para el aprendzaje y meddas de evaluacón 1. Preparacón de datos Característcas de los datos

Más detalles

PUBLICACIONES DE 4º CURSO

PUBLICACIONES DE 4º CURSO PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal

Más detalles

Modelos y algoritmos para el problema de la asignación de atraques y grúas en las terminales de contenedores

Modelos y algoritmos para el problema de la asignación de atraques y grúas en las terminales de contenedores Modelos y algortmos para el problema de la asgnacón de atraques y grúas en las termnales de contenedores Juan F. Correcher *, Ramon Alvarez-Valdes, Jose M. Tamart y Alexe Lescaylle Departamento de Estadístca

Más detalles

AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON.

AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. AJUSTE DE LA CURVA DE PROBABILIDAD DEL ESCURRIMIENTO MEDIO HIPERANUAL ANUAL SEGÚN LA TEORÍA S B JOHNSON. Revsta Voluntad Hdráulca No. 57, 98. Págnas 58-64 RESUMEN Se nforma sobre el desarrollo del método

Más detalles

Métodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales

Métodos Matemá5cos en la Ingeniería Tema 1. Ecuaciones no lineales Métodos Matemá5cos en la Ingenería Tema. Ecuacones no lneales Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA

Más detalles

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO

Más detalles