Modelado y Simulación de Redes de Telecomunicaciones. Jhon Jairo Padilla Aguilar, PhD.
|
|
- Víctor Martínez Lozano
- hace 8 años
- Vistas:
Transcripción
1 Modelado y Simulación de Redes de Telecomunicaciones Jhon Jairo Padilla Aguilar, PhD.
2 Modelo Qué es un modelo? Es una representación ideal y simplificada de un fenómeno Para qué sirve? Para tener una mejor comprensión de una situación compleja
3 Algunos ejemplos de Modelos En arquitectura En la moda
4 Para qué son útiles los modelos? En investigación y Desarrollo se requiere entender situaciones muy complejas Para resaltar una característica o proceso de interés dentro de un fenómeno más complejo. Se puede modelar el problema.. pero también la solución
5 Procesos de la actividad científica Proceso Ascendente: Conduce a la formación de entidades teóricas (conceptos, leyes, teorías) Pueden partir de situaciones idealizadas (Ej: puntos de masa de Newton) Ejemplo: Física (Einstein, Newton) Proceso Descendente: Comprobación experimental de las construcciones teóricas
6 1. Proceso ascendente Un objeto ficticio sustituye al real (Objeto científico) Esto se requiere para hacer las formulaciones matemáticas (Modelado) Características del objeto científico reflejan las propiedades relevantes del sistema y prescinden de otras propiedades que consideran irrelevantes Ejemplos: Modelo de una planta a controlar Modelo de una red de computadores
7 2. Proceso Descendente: Comprobación experimental de las construcciones teóricas Tengo un posible modelo matemático, pero..será cercano a la realidad?
8 2. Proceso Descendente: Método Científico Se parte de un problema a resolver Se emite una hipótesis para una solución posible Se debe comprobar la hipótesis: Si es fácil la observación: Hipótesis empírica Si no es fácil la observación: Hipótesis Abstractas (Difíciles de probar y van cambiando con el tiempo)
9 El método científico (Robert Boyle, siglo XVII) Reunión de los hechos (plantear el problema y justificar la razón de la investigación) Construcción de una hipótesis relacionando los hechos (plantear una posible solución) Probar la hipótesis con nuevas experiencias (experimentación: simulación, prototipos; también se pueden usar modelos matemáticos y deducción) Si estas desaprueban la hipótesis, construir una nueva con los hechos antiguos y los nuevos Repetir hasta encontrar la solución
10 Formas de estudiar un sistema
11 Razones para inviabilidad de experimentación con el sistema real Cuando el sistema aun no exista físicamente: Esta situación se plantea frecuentemente en la fase de diseño de nuevos sistemas, cuando el ingeniero necesita predecir el comportamiento de los mismos antes de que sean construidos. El elevado coste económico del experimento: Consideremos el caso de un empresario que planea ampliar las instalaciones de su empresa, pero que no está seguro de que la ganancia potencial justifique el coste de la ampliación. Ciertamente, no sería razonable que, para salir de dudas, realizara la ampliación y luego se volviera atrás si ésta demostrara no ser rentable. Una alternativa consiste en simular la operación de la configuración actual de la empresa, simular la operación de la configuración alternativa y comparar sus productividades.
12 Razones para inviabilidad de experimentación con el sistema real El experimento puede producir perjuicio o incomodidad: Por ejemplo, experimentar con un nuevo sistema de facturación en un aeropuerto puede producir retrasos y problemas imprevisibles que perjudiquen al viajero. El tiempo requerido para la realización del experimento lo hace irrealizable: Casos extremos pueden encontrarse en los estudios geológicos o cosmológicos, de evolución de las especies, sociológicos, etc. Algunos experimentos son peligrosos: Por ejemplo, sería inapropiado usar el sistema real para adiestrar a los operarios de una central nuclear acerca de cómo deben reaccionar ante situaciones de emergencia. El experimento requiere modificar variables que en el sistema real o bien no están accesibles o no pueden ser modificadas en el rango requerido: Con un modelo matemático adecuado, se pueden ensayar condiciones de operación extremas que son impracticables en el sistema real.
13 Tipos de Modelos Modelos Mentales: un operario trabajando en determinado proceso industrial sabe cómo el proceso reacciona ante diferentes acciones: el operario, mediante el entrenamiento y la experiencia, ha desarrollado un modelo mental del proceso.
14 Tipos de Modelos Modelos verbales: el comportamiento del sistema es descrito mediante palabras: si se aprieta el freno, entonces la velocidad del coche se reduce. Los sistemas expertos son ejemplos de modelos verbales formalizados.
15 Tipos de Modelos Modelos físicos: como las maquetas a escala que construyen los arquitectos, diseñadores de barcos o aeronaves para comprobar las propiedades estéticas, aerodinámicas, etc.
16 Tipos de Modelos Modelos matemáticos: En ellos, las relaciones entre las cantidades que pueden ser observadas del sistema (distancias, velocidades, flujos, etc.) están descritas mediante relaciones matemáticas. En este sentido, la mayoría de las leyes de la naturaleza son modelos matemáticos.
17 Tipos de Modelos: Simulación por computador La Simulación es una herramienta de análisis que nos permite sacar conclusiones sin necesidad de trabajar directamente con el sistema real que se está simulando. La simulación es especialmente útil cuando no disponemos de dicho sistema real o nos resulta demasiado arriesgado realizar experimentos sobre él.
18 Algunos ejemplos de Simuladores Simulador de Vuelo Juego lúdico Juego Serio para entrenamiento
19 Simuladores en Redes de Computadores Opnet Comnet Omnet NS-2 GNS-3 Etc.
20 Situaciones en que es deseable una simulación: En general, nos interesará simular el comportamiento de aquellos Sistemas que por su complejidad o por su coste elevado no podemos estudiar ni mediante técnicas analíticas (modelos matemáticos directamente resolubles) ni a través de pruebas reales. Así pues, la simulación resulta especialmente útil en la fase de estudio de viabilidad, previa al desarrollo e implantación de un Sistema.
21 Tipos de Modelos de Simulación: Estático vs. Modelo dinámico Un modelo de simulación estático es una representación de un sistema en un instante de tiempo particular, o bien un modelo que sirve para representar un sistema en el cual el tiempo no juega ningún papel. Ejemplo de simulaciones estáticas son las simulaciones de Monte Carlo. Por otra parte, un modelo de simulación dinámico representa un sistema que evoluciona con el tiempo.
22 Tipos de Modelos de Simulación: De tiempo continuo vs De tiempo discreto Modelo de tiempo continuo: está caracterizado por el hecho de que el valor de sus variables de estado puede cambiar infinitas veces (es decir, de manera continua) en un intervalo finito de tiempo. Un ejemplo es el nivel de agua en un depósito. Modelo de tiempo discreto: los cambios pueden ocurrir únicamente en instantes separados en el tiempo. Sus variables de estado pueden cambiar de valor sólo un número finito de veces por unidad de tiempo.
23 Modelos de simulación Híbridos Pueden definirse modelos con algunas de sus variables de estado de tiempo continuo y las restantes de tiempo discreto. Este tipo de modelos, con parte de tiempo continuo y parte de tiempo discreto, de llama modelos híbridos. La decisión de realizar un modelo continuo o discreto depende del objetivo específico del estudio y no del sistema en sí. Un ejemplo de ello lo constituyen los modelos del flujo de tráfico de paquetes en una red. Cuando las características y el movimiento de los paquetes individuales son relevantes puede realizarse un modelo discreto (modelos probabilísticos, teoría de colas). En caso contrario, puede resultar más sencillo realizar un modelo continuo (modelos de optimización de los caminos en redes)
24 Modelos de tiempo contínuo vs tiempo discreto En simulación, los modelos de tiempo contínuo son una idealización, al igual que las variables de tiempo contínuo. Al simular mediante un computador digital un modelo de tiempo continuo, debe discretizarse el eje temporal a fin de evitar el problema de los infinitos cambios en el valor de los estados. Esta discretización constituye una aproximación (con su error asociado) que transforma el modelo de tiempo continuo en un modelo de tiempo discreto.
25 Precaución Un modelo de simulación podría usarse en rangos de trabajo en los cuales el sistema real no puede hacerlo. Se debe tener la precaución de ajustar los rangos de trabajo para una situación real.
26 El método científico en la simulación Descripción clara del problema Identificación Factores Problema/Solución Proponer/refinar el modelo del problema Probar y validar modelo y factores Obtener solución a partir del modelo del problema Experimentación Probar y validar la solución Conclusiones y recomendaciones finales La Manipulación de datos Requiere de técnicas especiales Que ofrece la Estadística
27 Experimento Experimento: Proceso o procedimiento que transforma una entrada en una salida. Experimento determinístico: Para una misma entrada, se produce siempre la misma salida en cada repetición del experimento. Experimento Aleatorio: Para una misma entrada, se obtienen diferentes salidas en cada repetición del experimento
28 Términos Espacio de muestreo: El conjunto S de las salidas de un experimento aleatorio es llamado espacio de muestreo (o también: espacio de muestras o espacio muestral) del experimento aleatorio. Resultados: Los elementos del espacio de muestras se conocen como resultados. La característica clave de un resultado es la indivisibilidad. Un resultado no puede ser subdividido en otros resultados más elementales.
29 Ejemplo: Experimento aleatorio Población: Todos los posibles resultados, P={0000,0001,,9998,9999} Medida: Combinación elegida Intento Combinación Espacio muestral: Todos los resultados del experimento. En este caso S={0783, 2615, 9742, 3212, 2086}
30 Por qué las técnicas de la estadística? Variabilidad: Las observaciones sucesivas de un experimento aleatorio no ofrecen exactamente el mismo resultado. Fuente de variabilidad: Todo experimento aleatorio tiene factores que introducen variaciones a las observaciones realizadas. La estadística permite describir la variabilidad y descubrir cuáles fuentes de variabilidad tienen mayor impacto sobre el experimento.
31 Usos de la estadística 1. Inferencia Estadística 2. Modelado de procesos aleatorios 3. Investigación Experimental 4. Control estadístico de procesos
32 1. Inferencia estadística Se refiere al proceso que se sigue para obtener unas reglas generales (aplicables a toda la población) acerca de un proceso, a partir de las muestras (unos pocos resultados muestreados) Muestras Inferencia Estadística Población Muestras
33 Tipos de Inferencia Estadística Estudio Enumerativo: La población existe. Las muestras son tomadas de la población Inferencia Población Existente Muestras Conclusión La mitad de las pastillas son rojas y la mitad son azules Estudio Analítico: La población no existe (sólo existen las muestras), pero existirá en un futuro. Inferencia La mitad de las pastillas serán rojas y la mitad serán azules Muestra Conclusión Población Futura
34 2. Modelado de Procesos Aleatorios Muestras Método estadístico Modelo del proceso Estudio observacional Experimento Diseñado Mecanicista Empírico
35 2.1. Tipos de Modelos Muestras Método estadístico Modelo del proceso Modelo Mecanicista: Se construye a partir del conocimiento previo del mecanismo físico básico que relaciona las variables del modelo Ejemplo: Ley de Ohm Modelo Determinístico: I=E/R ;I:Corriente, E:Voltaje, R:Resistencia Modelo Estocástico: I=(E/R )+e ;I:Corriente, E:Voltaje, R:Resistencia, e:efectos de fuentes de variabilidad
36 2.1. Tipos de Modelos Modelo Empírico: Se aplican los conocimientos científicos y de ingeniería al fenómeno, pero el modelo no se desarrolla directamente de nuestra comprensión teórica o con base en principios fundamentales del mecanismo subyacente. Ejemplo: Sabemos que la Resistencia (R) de un material depende del área (A), de la temperatura (T) y de la conductividad (C) del material. Lo que no sabemos es la relación exacta entre estos factores. Por tanto, podemos suponer que existe una función general R=f(A, T, C) Podría hallarse un modelo a partir de ciertas medidas de un experimento diseñado y llegar a la conclusión que Modelo Determinístico: R=b 1 A+(b 2 /T)+(b 3 /C) Modelo Estocástico: R=b 1 A+(b 2 /T)+(b 3 /C)+e Los parámetros b son desconocidos y deben determinarse. Para esto se utiliza un método conocido como regresión. A estos modelos también se los conoce como modelos de regresión.
37 2.2. Métodos Estadísticos de Modelado de procesos aleatorios Se busca obtener un modelo del proceso. Hay dos tipos: Estudio observacional: Se obtienen datos de un proceso conforme se van presentando. No hay control sobre ningún factor que afecte el proceso. También se pueden observar datos históricos para detectar la causa de ciertos fenómenos en un determinado instante de tiempo. Experimento diseñado: Se realizan cambios deliberados o intencionados en las variables controlables de un sistema o proceso. Se observan los resultados obtenidos en las diferentes repeticiones del experimento. Se saca una conclusión acerca del efecto de las variables sobre los resultados del proceso.
38 Estudio observacional 500 TRAZA REAL DE TRAFICO numero de paquetes tiempo de llegada (s) Traza de tráfico Original con datos capturados en Bellcore Labs, tomando un t=500ms. De las muestras de tráfico de datos de una Internet, se pudo concluir que el tráfico se comportaba de manera Autosimilar. Esto permite utilizar la teoría de Fractales en este tipo de tráfico.
39 Experimento diseñado Objetivo: Sacar conclusiones acerca del efecto de uno o varios factores en los resultados de un experimento Se requiere repetir el experimento varias veces con diferentes valores de los factores que se supone afectan. Si en una misma repetición se alteran dos o más factores simultáneamente, al experimento se le conoce como experimento factorial. Importante: Es necesaria una planeación eficiente y eficaz de los experimentos!
40 classifier delay, dc (s) Ejemplo: Experimento Diseñado 6,00E-04 5,00E-04 N=64K IntServ6 4,00E-04 N=128K IntServ6 3,00E-04 2,00E-04 N=256K IntServ6 N=512K IntServ6 Experimento Factorial 1,00E-04 N=1M IntServ6 1,90E ,00E-04 flows number, m Variación del retardo medio de los paquetes en un dispositivo de encaminamiento al variar: el número de usuarios (m) y el tamaño de una tabla de almacenamiento utilizada (N)
41 3. Investigación Experimental Problema: Procesos en que ninguna teoría matemática tiene una aplicación directa o completa. Condición: Se tiene una base de teoría científica subyacente para explicar el fenómeno, pero no se tiene certeza de poder aplicarla. Objetivo: Se busca verificar que la teoría científica es operativa en la situación o entorno en que se está aplicando. Se debe realizar una prueba de una hipótesis estadística. Por tanto, se requiere diseñar el experimento para después probar la viabilidad de la aplicación de la teoría a partir de los resultados obtenidos (prueba de hipótesis).
42 Investigación Experimental. Prueba de hipótesis DATOS MEDIDOS DATOS OBTENIDOS TEORICAMENTE numero de paquetes TRAZA REAL DE TRAFICO Se comportan igual o diferente? Se puede aplicar la teoría para modelar la práctica? numero de paquetes TRAZA VIRTUAL D-MMPP tiempo de llegada (s) 500 Q-Q PLOT. GRAFICA DE LOS QUANTILES tiempo de llegada (s) 400 PRUEBA DE HIPÓTESIS TRAZA VIRTUAL TRAZA REAL Respuesta: Se comportan de forma similar, luego, se puede utilizar ese modelo teórico
43 4. Control estadístico de procesos El objetivo es monitorear, controlar y mejorar un proceso. Se aplica para determinar cuándo aplicar un ajuste a un proceso y de qué magnitud debe ser el ajuste para que los resultados no se salgan de ciertos límites (límite superior y límite inferior). Diagramas de Control
44 Y cómo afecta la probabilidad y la estadística a las redes? El comportamiento aleatorio sucede en muchas de las variables del mundo real Un ingeniero en la actualidad y en cualquier momento futuro, tendrá que vérselas con sistemas que: 1.1. Tienen entradas aleatorias 1.2. Tienen entradas determinísticas pero los sistemas se comportan aleatoriamente 1.3. Son muy complejos para ser descritos cercanamente 1.4. Son una combinación de los anteriores
45 1. Sistemas con entradas aleatorias Un conmutador telefónico: Llegadas de llamadas aleatorias, duración de llamadas aleatoria. Una CPU (unidad central de procesamiento): Programas enviados a la CPU (con múltiples usuarios) en instantes aleatorios. Los tiempos de ejecución tampoco pueden ser conocidos con anterioridad. Filtro procesador de señales: Señales de entrada tienen distorsiones aleatorias (causadas por ruido e imperfecciones del canal)
46 1. Sistemas con entradas aleatorias Un servidor de archivos: Las solicitudes de envío de archivos llegan en instantes aleatorios. La duración de la descarga de los archivos es aleatoria. Un computador aceptando paquetes transferidos mediante el protocolo FTP
47 2. Sistemas con entradas determinísticas pero respuesta aleatoria Línea de comunicación con ruido: La respuesta a una misma entrada no es siempre la misma (debido al ruido y a interferencias).
48 3. Sistemas muy complejos para ser descritos de forma aproximada Movimiento de las moléculas de gas o los electrones Los movimientos de los usuarios de una celda de telefonía celular La generación de paquetes de todos los usuarios de una red de computadores
49 Aplicación en Áreas de las Telecomunicaciones Procesamiento de señales en diferentes áreas: Filtrado, estimación, detección, predicción Comunicaciones: Señales y perturbaciones (Densidad espectral de potencia,tasa de error de bits, ruido blanco) Transmisores y receptores (modulación en AM, FM, PM; codificación de bits; Filtrado; Sincronización) Canales de comunicación Canales Guiados Canales no guiados: Desvanecimiento, Multi-trayecto. Entornos: Espacio libre, Radio-enlaces microondas, enlaces en redes móviles (celulares, redes WLAN, redes WMAN) Redes de Datos: Teoría de Colas y Teletráfico (Dimensionamiento de redes de comunicaciones) Diseño y análisis de protocolos de comunicación Métodos de Acceso al medio Métodos de Multiplexación Diseño de Conmutadores Simulación: Generación de números aleatorios, Generación de eventos aleatorios Computadores: Diseño y análisis de sistemas de servidores, planificadores, CPUs Diseño y análisis de algoritmos (p.ej. Algoritmos de Búsquedas).
50 Este curso le ayudará a: Simular la operación de los sistemas con aleatoriedades; se recordarán los conceptos apropiados (variables aleatorias, procesos aleatorios, promedios, correlaciones, convergencia estocástica, etc) Analizar y diseñar tales modelos: Se requieren técnicas de estadística para diseñar las fuentes que generan los eventos y el comportamiento de los resultados (posibles modelos a utilizar)
51 Por qué la Teoría de Probabilidades? Porque cuando no se tiene certeza de lo que puede pasar.se debe trabajar con la probabilidad de que algo ocurra para tomar decisiones de diseño para que el sistema responda ante tales eventualidades Es la herramienta natural para describir y analizar la aleatoriedad inherente de una gran variedad de sistemas de ingeniería Puede ser usada para diseñar y controlar tales sistemas
52 Aplicación de la Probabilidad y Estadística es transversal a todas las disciplinas: Modelamiento de Sistemas y Señales Teoría de la estimación Teoría de Decisiones Teoría de Colas Simulación por computadora
53 Componentes de la teoría Eventos: elementos estructurales más simples. Experimentos simples. Se utiliza la teoría de conjuntos. Variable aleatoria y función de densidad de probabilidad: Permiten introducir herramientas de cálculo y análisis. Vector de variables aleatorias: Extensión del concepto de variable aleatoria. Proceso aleatorio: Permite introducir el concepto de tiempo en las variables aleatorias. Esto es muy importante en las aplicaciones de Ingeniería de Telecomunicaciones.
54 6. Herramientas de Modelado y Modelos Herramientas de Modelado Herramienta Funciones distribucion y densidad de probabilidad Secuencias infinitas de variables aleatorias Cadenas de Markov Característica Ambientes estáticos en tiempo Dinámica en tiempo, No tiene memoria Dinámica en tiempo, posee memoria Modelos Clásicos Modelo V.A. Gaussiana V.A. Exponencial V.A. Poisson V.A. Chi cuadrado V.A. t de student Proceso aleatorio Gaussiano Proc. Aleatorio de Poisson Utilidad Ruido en Comunicaciones Modelo de tiempo de servicio en teoría de colas Modelo de llegadas en teoría de colas Pruebas estadísticas Pruebas estadísticas Modelo de proceso de ruido Modelo de proceso de llegadas
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 detallesProbabilidad y Estadística para Ingenieros Electrónicos. Jhon Jairo Padilla Aguilar, PhD.
Probabilidad y Estadística para Ingenieros Electrónicos Jhon Jairo Padilla Aguilar, PhD. 1. Por qué este curso? El comportamiento aleatorio sucede en muchas de las variables del mundo real Un ingeniero
Más detalles1. INTRODUCCIÓN 1.1 INGENIERÍA
1. INTRODUCCIÓN 1.1 INGENIERÍA Es difícil dar una explicación de ingeniería en pocas palabras, pues se puede decir que la ingeniería comenzó con el hombre mismo, pero se puede intentar dar un bosquejo
Más detallesCapitulo 3. Desarrollo del Software
Capitulo 3 Desarrollo del Software 3.1 Análisis del sistema 3.1.1 Organización de la autopista virtual Para el presente proyecto se requiere de simular una autopista para que sirva de prueba. Dicha autopista
Más detallesUtilidad de la estadística en la ingeniería. Jhon Jairo Padilla, Ph.D.
Utilidad de la estadística en la ingeniería Jhon Jairo Padilla, Ph.D. La ingeniería y la solución de problemas El Ingeniero resuelve problemas de interés para la sociedad mediante la aplicación eficiente
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesINTRODUCCIÓN: LA FÍSICA Y SU LENGUAJE, LAS MATEMÁTICAS
INTRODUCCIÓN: LA FÍSICA Y SU LENGUAJE, LAS MATEMÁTICAS La física es la más fundamental de las ciencias que tratan de estudiar la naturaleza. Esta ciencia estudia aspectos tan básicos como el movimiento,
Más detallesUn filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i.
Filtros Digitales Un filtro general de respuesta al impulso finita con n etapas, cada una con un retardo independiente d i y ganancia a i. En electrónica, ciencias computacionales y matemáticas, un filtro
Más detallesDE VIDA PARA EL DESARROLLO DE SISTEMAS
MÉTODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS 1. METODO DEL CICLO DE VIDA PARA EL DESARROLLO DE SISTEMAS CICLO DE VIDA CLÁSICO DEL DESARROLLO DE SISTEMAS. El desarrollo de Sistemas, un proceso
Más detallesMUESTREO TIPOS DE MUESTREO
MUESTREO En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población), se selecciona una muestra, entendiendo por tal una parte representativa de
Más detalles2. MÉTODOS, INSTRUMENTOS Y ESTRATEGIAS
2. MÉTODOS, INSTRUMENTOS Y ESTRATEGIAS Objetivo específico: El alumno conocerá la importancia de la investigación en psicología industrial/organizacional, su proceso y limitaciones. Asimismo entenderá
Más detalles13. Técnicas de simulación mediante el método de Montecarlo
13. Técnicas de simulación mediante el método de Montecarlo Qué es la simulación? Proceso de simulación Simulación de eventos discretos Números aleatorios Qué es la simulación? Simulación = técnica que
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesPARTE III OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS MODELADO E IDENTIFICACIÓN ASPECTOS A TENER EN CUENTA MODELADO IDENTIFICACIÓN OBTENCIÓN DE MODELOS
OBTENCIÓN DE MODELOS PARTE III OBTENCIÓN DE MODELOS 1. INFORMACIÓN SOBRE EL SISTEMA 1. EL PROPIO SISTEMA (OBSERVACIÓN, TEST) 2. CONOCIMIENTO TEÓRICO (LEYES DE LA NATURALEZA, EXPERTOS, LITERATURA, ETC.)
Más detallesÍNDICE DISEÑO DE CONTADORES SÍNCRONOS JESÚS PIZARRO PELÁEZ
ELECTRÓNICA DIGITAL DISEÑO DE CONTADORES SÍNCRONOS JESÚS PIZARRO PELÁEZ IES TRINIDAD ARROYO DPTO. DE ELECTRÓNICA ÍNDICE ÍNDICE... 1 1. LIMITACIONES DE LOS CONTADORES ASÍNCRONOS... 2 2. CONTADORES SÍNCRONOS...
Más detalles4 Teoría de diseño de Experimentos
4 Teoría de diseño de Experimentos 4.1 Introducción En los capítulos anteriores se habló de PLC y de ruido, debido a la inquietud por saber si en una instalación eléctrica casera que cuente con el servicio
Más detallesSIMULACION. Formulación de modelos: solución obtenida de manera analítica
SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar
Más detallesExperimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.
Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables
Más detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesPRUEBAS DE SOFTWARE TECNICAS DE PRUEBA DE SOFTWARE
PRUEBAS DE SOFTWARE La prueba del software es un elemento crítico para la garantía de la calidad del software. El objetivo de la etapa de pruebas es garantizar la calidad del producto desarrollado. Además,
Más detallesTEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Más detallesPatrones de software y refactorización de código
Patrones de software y refactorización de código Introducción y antecedentes de los patrones de software Los patrones permiten construir sobre la experiencia colectiva de ingenieros de software habilidosos.
Más detallesDecisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.
Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El
Más detallesPrecio del alquiler de pisos durante una serie de meses. Evolución del índice del precio del trigo con mediciones anuales.
Series Temporales Introducción Una serie temporal se define como una colección de observaciones de una variable recogidas secuencialmente en el tiempo. Estas observaciones se suelen recoger en instantes
Más detallesMARCO METODOLÓGICO CAPITULO III
MARCO METODOLÓGICO CAPITULO III CAPITULO III MARCO METODOLÓGICO En esta sección se presenta el tipo de investigación, las técnicas de recolección de datos y finalmente la metodología utilizada para el
Más detalles2 Teoría de colas o líneas de espera
2 Teoría de colas o líneas de espera El tráfico en redes se puede modelar con la ayuda de la teoría de colas, es por ello ue es importante estudiarlas y comprenderlas. Existen varias definiciones sobre
Más detallesProbabilidades y Estadística (Computación) Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Ana M. Bianco y Elena J.
Generación de Números Aleatorios Números elegidos al azar son útiles en diversas aplicaciones, entre las cuáles podemos mencionar: Simulación o métodos de Monte Carlo: se simula un proceso natural en forma
Más detallesGeneración de números aleatorios
Generación de números aleatorios Marcos García González (h[e]rtz) Verano 2004 Documento facilitado por la realización de la asignatura Métodos informáticos de la física de segundo curso en la universidad
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 2
7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).
Más detallesPROBABILIDADES Y ESTADÍSTICA (C) Práctica 2
PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)
Más detallesPráctica 5: Modulaciones digitales
TEORÍA DE LA COMUNICACIÓN 2009/10 EPS-UAM Práctica 5: Modulaciones digitales Apellidos, nombre Apellidos, nombre Grupo Puesto Fecha El objetivo de esta práctica es familiarizar al alumno con los principios
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detalles4 Pruebas y análisis del software
4 Pruebas y análisis del software En este capítulo se presentan una serie de simulaciones donde se analiza el desempeño de ambos sistemas programados en cuanto a exactitud con otros softwares que se encuentran
Más detallesEmpresa de telefonía celular: Transintelcel
Empresa de telefonía celular: Transintelcel El proceso metodológico de esta investigación de mercados está dividido en las siguientes etapas: 1. Datos generales de la empresa 2. Planteamiento del problema
Más detallesPronósticos. Pronósticos y gráficos Diapositiva 1
Pronósticos Pronósticos Información de base Media móvil Pronóstico lineal - Tendencia Pronóstico no lineal - Crecimiento Suavización exponencial Regresiones mediante líneas de tendencia en gráficos Gráficos:
Más detallesCAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de
CAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de cualquier modelo en el software Algor. La preparación de un modelo,
Más detallesCAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de
CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de inventarios para lograr un control de los productos.
Más detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detalleshttp://www.informatizate.net
http://www.informatizate.net Metodologías De Desarrollo De Software María A. Mendoza Sanchez Ing. Informático - UNT Microsoft Certified Professional - MCP Analísta y Desarrolladora - TeamSoft Perú S.A.C.
Más detallesTema 1 con soluciones de los ejercicios. María Araceli Garín
Tema 1 con soluciones de los ejercicios María Araceli Garín Capítulo 1 Introducción. Probabilidad en los modelos estocásticos actuariales Se describe a continuación la Tarea 1, en la que se enumeran un
Más detallesOPTIMIZACIÓN EN MANTENIMIENTO
OPTIMIZACIÓN EN MANTENIMIENTO Entrenamiento en técnicas avanzadas para optimizar el remplazo de componentes e inspección de equipos Driven by knowledge info@apsoluti.es 2015 1 OPTIMIZACIÓN DE MANTENIMIENTO
Más detallesTRANSMISION DIGITAL. PCM, Modulación por Codificación de Pulsos
MODULACIÓN TRANSMISION DIGITAL La amplia naturaleza de las señales analógicas es evidente, cualquier forma de onda está disponible con toda seguridad en el ámbito analógico, nos encontramos con una onda
Más detallesSISTEMAS Y MANUALES DE LA CALIDAD
SISTEMAS Y MANUALES DE LA CALIDAD NORMATIVAS SOBRE SISTEMAS DE CALIDAD Introducción La experiencia de algunos sectores industriales que por las características particulares de sus productos tenían necesidad
Más detalles7. Conclusiones. 7.1 Resultados
7. Conclusiones Una de las preguntas iniciales de este proyecto fue : Cuál es la importancia de resolver problemas NP-Completos?. Puede concluirse que el PAV como problema NP- Completo permite comprobar
Más detallesLa presente tesis pretende que los estudiantes observen la teoría de las acciones de control
CAPÍTULO V. CONCLUSIONES. La presente tesis pretende que los estudiantes observen la teoría de las acciones de control de forma virtual al mismo tiempo analicen físicamente los sistemas electrónicos cuando
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesEl control de la tesorería consiste en gestionar desde la aplicación los cobros y pagos generados a partir de las facturas de venta y de compra.
Gestión de la tesorería y del riesgo El control de la tesorería consiste en gestionar desde la aplicación los cobros y pagos generados a partir de las facturas de venta y de compra. En este manual nos
Más detallesProceso Unificado de Rational PROCESO UNIFICADO DE RATIONAL (RUP) El proceso de desarrollo de software tiene cuatro roles importantes:
PROCESO UNIFICADO DE RATIONAL (RUP) El proceso de desarrollo de software tiene cuatro roles importantes: 1. Proporcionar una guía de actividades para el trabajo en equipo. (Guía detallada para el desarrollo
Más detallesIntroducción a la Teoría de Probabilidad
Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento
Más detallesCapítulo 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 detallesNORMAS INTERNACIONALES Y ADQUISICION DE DATOS.
CAPITULO II NORMAS INTERNACIONALES Y ADQUISICION DE DATOS. En este capítulo se describirán en forma general las normas internacionales para la medición de variables climatológicas y cómo funciona un sistema
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detalles3.1 Qué es la investigación de mercados?
3.1 Qué es la investigación de mercados? La investigación de mercados es la función que enlaza al consumidor, al cliente y al público con el comercializador a través de la información. Esta información
Más detalles1.2 SISTEMAS DE PRODUCCIÓN
19 1.2 SISTEMAS DE PRODUCCIÓN Para operar en forma efectiva, una empresa manufacturera debe tener sistemas que le permitan lograr eficientemente el tipo de producción que realiza. Los sistemas de producción
Más detallesSimulación y Modelos Estocásticos
y Modelos Estocásticos Héctor Allende O!"# $# %#&' ( ) *+,-+,,*,/ ) -++,,*,/ ) 0 1 %*++,,*,/ $2,/ 04 %! 2! 5,,#6)5 1 Conceptos básicos: fundamentos de modelos de simulación y del modelado de sistemas complejos,
Más detallesGUIA SOBRE LOS REQUISITOS DE LA DOCUMENTACION DE ISO 9000:2000
1 INTRODUCCIÓN Dos de los objetivos más importantes en la revisión de la serie de normas ISO 9000 han sido: desarrollar un grupo simple de normas que sean igualmente aplicables a las pequeñas, a las medianas
Más detallesCódigo del programa: PEMDE. Programa Experto en MANEJO DE DATOS CON EXCEL. Modalidad: Virtual. Descripción del programa
Código del programa: PEMDE Programa Experto en MANEJO DE DATOS CON EXCEL Modalidad: Virtual Descripción del programa 1 Presentación del programa Justificación Microsoft Excel es la herramienta de manejo
Más detallesIAP 1009 - TÉCNICAS DE AUDITORÍA APOYADAS EN ORDENADOR (TAAO)
IAP 1009 - TÉCNICAS DE AUDITORÍA APOYADAS EN ORDENADOR (TAAO) Introducción 1. Como se indica en la Norma Internacional de Auditoría 401, "Auditoría en un contexto informatizado", los objetivos globales
Más detallesEste documento proporciona la secuencia de pasos necesarios para la construcción de un Diagrama de Flujo. www.fundibeq.org
DIAGRAMA DE FLUJO 1.- INTRODUCCIÓN Este documento proporciona la secuencia de pasos necesarios para la construcción de un Diagrama de Flujo. Muestra la importancia de dos aspectos clave en este proceso:
Más detallesEjercicios de Teoría de Colas
Ejercicios de Teoría de Colas Investigación Operativa Ingeniería Informática, UC3M Curso 08/09 1. Demuestra que en una cola M/M/1 se tiene: L = ρ Solución. L = = = = = ρ np n nρ n (1 ρ) nρ n n=1 ρ n ρ
Más detallesInvestigación en Psicología. Introducción METODOS DE INVESTIGACION EN PSICOLOGIA
I. Introducción Investigación en Psicología Introducción METODOS DE INVESTIGACION EN PSICOLOGIA La psicología es una ciencia y como tal tiene un cuerpo de teorías que procuran explicar los fenómenos propios
Más detalles2. Probabilidad. Estadística. Curso 2009-2010. Ingeniería Informática. Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24
2. Probabilidad Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24 Contenidos 1 Experimentos aleatorios 2 Algebra de sucesos 3 Espacios
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detallesMineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
Más detallesCapítulo V Resultados y conclusiones
Capítulo V Resultados y conclusiones Nadav Levanon, autor del libro Radar Principles dijo: el estudio de los radares no solo una aplicación práctica, pero también una disciplina científica madura con fundamentos
Más detalles1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1
5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0
Más detallese-commerce, es hacer comercio utilizando la red. Es el acto de comprar y vender en y por medio de la red.
Comercio electrónico. (e-commerce) Las empresas que ya están utilizando la red para hacer comercio ven como están cambiando las relaciones de la empresa con sus clientes, sus empleados, sus colaboradores
Más detallesUNIDADES DE ALMACENAMIENTO DE DATOS
1.2 MATÉMATICAS DE REDES 1.2.1 REPRESENTACIÓN BINARIA DE DATOS Los computadores manipulan y almacenan los datos usando interruptores electrónicos que están ENCENDIDOS o APAGADOS. Los computadores sólo
Más detallesGANTT, PERT y CPM. Figura 5.3: Carta GANTT 3.
GANTT, PERT y CPM Características Conseguir una buena programación es un reto, no obstante es razonable y alcanzable. Ella debe tener el compromiso del equipo al completo, para lo cual se recomienda que
Más detallesLENGUAJE VISUAL LENGUAJE VISUAL
LENGUAJE VISUAL 4t ESO LENGUAJE VISUAL La evolución de la comunicación humana se ha manifestado en sucesivas formas: oral, escrita, impresa, radiofónica; de forma paralela o en interacción con ellas se
Más detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesCierre de Ejercicios Fiscales en el Sistema ASPEL-COI 4.0
Cierre de Ejercicios Fiscales en el Sistema ASPEL-COI 4.0 La creación de la póliza de cierre consiste en saldar las cuentas de resultados y determinar la pérdida o ganancia contable del ejercicio. Este
Más detallesMuchas veces hemos visto un juego de billar y no nos percatamos de los movimientos de las bolas (ver gráfico 8). Gráfico 8
Esta semana estudiaremos la definición de vectores y su aplicabilidad a muchas situaciones, particularmente a las relacionadas con el movimiento. Por otro lado, se podrán establecer las características
Más detallesCOMO CONFIGURAR UNA MAQUINA VIRTUAL EN VIRTUALBOX PARA ELASTIX
COMO CONFIGURAR UNA MAQUINA VIRTUAL EN VIRTUALBOX PARA ELASTIX En este manual se presenta el proceso de configuración de una Maquina Virtual en VirtualBox, que será utilizada para instalar un Servidor
Más detallesCOMO MEDIR LA EFECTIVIDAD DE LA CONCIENTIZACIÓN
COMO MEDIR LA EFECTIVIDAD DE LA CONCIENTIZACIÓN Ing. Carlos Ormella Meyer Los planes de concientización especialmente en seguridad de la información han sido muchas veces terreno fértil de opiniones discordantes,
Más detallesAccesibilidad web GUÍA FUNCIONAL
Accesibilidad web GUÍA FUNCIONAL 0 _ ÍNDICE 01_Introducción 02_Primeros pasos 03_Conceptos 04_Navegación por voz 05_Navegación por teclado 06_Navegación por sonido 07_Compatibilidad con lectores de pantalla
Más detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
Más detallesTratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA
Tratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA NOTA: en toda esta práctica no se pueden utilizar bucles, para que los tiempos de ejecución se reduzcan. Esto se puede hacer
Más detalles4. Programación Paralela
4. Programación Paralela La necesidad que surge para resolver problemas que requieren tiempo elevado de cómputo origina lo que hoy se conoce como computación paralela. Mediante el uso concurrente de varios
Más detallesDefinición 2.1.1. Se llama suceso aleatorio a cualquier subconjunto del espacio muestral.
Capítulo 2 Probabilidades 2. Definición y propiedades Al realizar un experimento aleatorio nuestro interés es obtener información sobre las leyes que rigen el fenómeno sometido a estudio. El punto de partida
Más detallesLa Tecnología líder en Simulación
La Tecnología líder en Simulación El software de simulación Arena, es un "seguro de vida" para las empresa: le ayuda a predecir el impacto en las organizaciones de nuevas ideas, estrategias y políticas
Más detallesApp para realizar consultas al Sistema de Información Estadística de Castilla y León
App para realizar consultas al Sistema de Información Estadística de Castilla y León Jesús M. Rodríguez Rodríguez rodrodje@jcyl.es Dirección General de Presupuestos y Estadística Consejería de Hacienda
Más detalles5. DISTRIBUCIONES DE PROBABILIDADES
5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable
Más detallesIngeniería de Software. Pruebas
Ingeniería de Software Pruebas Niveles de prueba Pruebas unitarias Niveles Pruebas de integración Pruebas de sistema Pruebas de aceptación Alpha Beta Niveles de pruebas Pruebas unitarias Se enfocan en
Más detallesCiclo de vida y Metodologías para el desarrollo de SW Definición de la metodología
Ciclo de vida y Metodologías para el desarrollo de SW Definición de la metodología La metodología para el desarrollo de software es un modo sistemático de realizar, gestionar y administrar un proyecto
Más detalles"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios
"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios Miguel Alfonso Flores Sánchez 1, Fernando Sandoya Sanchez 2 Resumen En el presente artículo se
Más detallesCapítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI
Capítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI La segunda fase del NIPE corresponde con la adecuación de las intervenciones de enfermería del sistema de clasificación N.I.C. (Nursing Intervention
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesCMMI (Capability Maturity Model Integrated)
CMMI (Capability Maturity Model Integrated) El SEI (software engineering institute) a mediados de los 80 desarrolló el CMM (modelo de madurez de la capacidad de software). CMMI: CMM integrado, una mezcla
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones
EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones Ricard Boqué, Alicia Maroto Grupo de Quimiometría y Cualimetría. Universitat Rovira i Virgili. Pl. Imperial Tàrraco, 1. 43005Tarragona
Más detallesAnálisis 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 detalles3.1 INGENIERIA DE SOFTWARE ORIENTADO A OBJETOS OOSE (IVAR JACOBSON)
3.1 INGENIERIA DE SOFTWARE ORIENTADO A OBJETOS OOSE (IVAR JACOBSON) 3.1.1 Introducción Este método proporciona un soporte para el diseño creativo de productos de software, inclusive a escala industrial.
Más detallesIntroducción a los Autómatas Finitos
Teoría de Introducción a los Un modelo de Computación. Universidad de Cantabria Esquema Introducción Teoría de 1 Introducción 2 Teoría de 3 4 5 El Problema Introducción Teoría de Nuestro objetivo en este
Más detallesUnidad I. 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal)
Unidad I Sistemas numéricos 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal) Los computadores manipulan y almacenan los datos usando interruptores electrónicos que están ENCENDIDOS o APAGADOS.
Más detallesPRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS Muchos problemas de ingeniería, ciencia, y administración, requieren que se tome una decisión entre aceptar o rechazar una proposición sobre algún parámetro. Esta proposición recibe
Más detallesactivuspaper Text Mining and BI Abstract
Text Mining and BI Abstract Los recientes avances en lingüística computacional, así como la tecnología de la información en general, permiten que la inserción de datos no estructurados en una infraestructura
Más detallesLÍMITES Y CONTINUIDAD DE FUNCIONES
Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos
Más detallesS P I N. Selling. Neil Rackham (1988) Profesor: Luis Mª García Bobadilla
S P I N Selling Neil Rackham (1988) Ver página web y newsletter de www.huthwaite.com SPIN Selling Para ventas a gran escala Método basado en investigación Los métodos tradicionales de entrenamiento de
Más detallesUnidad Didáctica. Códigos Binarios
Unidad Didáctica Códigos Binarios Programa de Formación Abierta y Flexible Obra colectiva de FONDO FORMACION Coordinación Diseño y maquetación Servicio de Producción Didáctica de FONDO FORMACION (Dirección
Más detalles