DEPARTAMENTO DE LENGUAJES Y SISTEMAS E INGENIERÍA SOFTWARE TESIS DOCTORAL

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

Download "DEPARTAMENTO DE LENGUAJES Y SISTEMAS E INGENIERÍA SOFTWARE TESIS DOCTORAL"

Transcripción

1 DEPARTAMENTO DE LENGUAJES Y SISTEMAS E INGENIERÍA SOFTWARE Facultad de Informátca Unversdad Poltécnca de Madrd TESIS DOCTORAL MODELO MATEMÁTICO PARAMETRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING (DMCOMO) Autor Óscar Marbán Gallego Lcencado en Informátca Drectores Ernestna Menasalvas Ruí Doctora en Informátca Juan José Cuadrado Gallego Doctor en Informátca Año:

2 UNIVERSIDAD POUTECNICA DE MADRID (D-) Trbunal nombrado por el Magfco. y Excmo. Sr. Rector de la Unversdad Poltécnca de Madrd, el día. de de... Presdente: Vocal: Vocal: Vocal: Secretaro:. Suplente:_ Suplente:_ Realado el acto de defensa y lectura de la Tess el día de de. en la E.T.S.I. /Facultad EL PRESIDENTE LOS VOCALES EL SECRETARIO

3 A todos aquellos que creyeron que la termnaría así como a aquellos que no lo hceron. En especal a ms padres, Manuel y María, a ms abuelos y a la sonrsa de m querda Susana A todos debo la motvacón para haber llegado hasta aquí.

4 Agradecmentos Para empear quero expresar m más sncero agradecmento a ms padres, Manuel y María, a ms abuelos Mguel, María, Manolo y Antona, y a m tío Mguelto por haber hecho posble que me dedcara a lo que me gusta. Tambén quero agradecer a Susana todo el apoyo que me ha dado mentras realaba este trabajo. Gracas a todos por soportarme durante todo este tempo, bueno, por soportarme sempre. Quero expresar m agradecmento a toda aquella gente que me ayudo a llegar hasta aquí, compañeros de carrera, profesores y compañeros. Entre ellos cabe menconar a Juanfran, a José Marcos y toda aquellas gente maravllosa que tanto tempo pasó junto a m en el laboratoro durante la carrera y los cursos de doctorado. Tambén algo parte de culpa de que yo haya llegado hasta aquí la tene Chema, gracas por tus enseñanas magstrales. Gracas a Antono de Amescua por permtrme trabajar en su grupo de nvestgacón en la Unversdad Carlos III durante este tempo. Por otra parte quere darle las gracas a Covadonga por la confana depostada en m. Tambén merecen un agradecmento especal Soco, Esther, Mke y Anta por darme la posbldad de realar los expermentos de esta tess con datos reales. A ms drectores de tess Juanjo y Ernestna por haberme ayudado a consegur este trabajo de tess. Tambén debo darle las gracas a Coro por ayudarme con toda la burocraca que conlleva la realacón de un trabajo de tess, sn su ayuda seguro que no me hubera aclarado con tanto papel. Mencón especal merece la profesora y amga Ernestna Menasalvas, por su gran ayuda a lo largo del tempo, a pesar de las broncas que de ve en cuando me he llevado por su parte, seguro que me las merecía. Muchas gracas Ernes, sn tu ayuda no hubera poddo llevar a buen puerto este trabajo. Óscar Marbán Gallego Madrd, de Maro de

5 Resumen Data Mnng surgó como línea de nvestgacón en la década de los 80 para tratar de encontrar una solucón al problema de descubrmento de conocmento en bases de datos. El conocmento adqurdo de las bases de datos se utla para dar soporte a los procesos de toma de decsones en las empresas. El desarrollo de técncas de Data Mnng srvó como soporte para los proyectos de CRM. Desde entonces son muchos los proyectos de CRM que se han desarrollado en todo tpo de organacones. Sn embargo aún a día de hoy estos proyectos se realan sn una estmacón clara de nngún tpo de recursos. Como consecuenca, s ben son muchos los proyectos que se han termnado con éxto, son numerosas las referencas de fracasos de proyectos de Data Mnng por falta de estmacón al comeno de los msmos. S ben son muchas las referencas que aparecen en la bblografía referente a algortmos de descubrmento, son escasas las que abordan el problema de aplcacón de Data Mnng en una empresa desde la perspectva de la Ingenería del Software. De hecho la únca aproxmacón es la defncón del modelo de proceso estándar CRISP-DM. En los estándares de modelo de proceso para desarrollo de software, se encuentran procesos y tareas smlares a los propuestos CRISP-DM para la generacón del Presupuesto y del Plan de proyecto. En el caso de desarrollo de software, se reala la estmacón de la duracón y del esfuero que llevará la realacón del proyecto para lo que se cuenta con múltples métodos de estmacón como SLIM, SEER-SEM, PRICE-S o COCOMO entre otros. S lo que se trata es de hacer la estmacón para un proyecto de Data Mnng estos métodos no resultan apropados, dado que su entrada prncpal es el tamaño del software a desarrollar, y en los proyectos de Data Mnng no se trata de desarrollar software. Aunque para certos tpos de problema de Data Mnng hay métodos de estmacón en fases avanadas del proyecto [Dom99, Dom98] no hay un método genérco de estmacón de proyectos de Data Mnng, cuyos resultados, esfuero y tempo, srvan como punto de partda para realar el plan de proyecto y el presupuesto. Esta es la motvacón central de este trabajo de tess doctoral en el que se propone establecer un método paramétrco de estmacón para proyectos de Data Mnng. Para ello se obtenen en esta tess los prncpales drvers de coste para establecer, basándose en proyectos reales, medante regresón lneal la ecuacón del modelo.

6 Abstract Data Mnng s a research lne that began n 980 n order to fnd the knowledge that s hdden n the data that organatons are storng n a daly bass. Ths knowledge supports the decsón makng processes n organatons. As a consequence companes of every knd have been developng data mnng projects snce the term appeared. However, there s no way to estmate ths knd of projects. Although there are many references to Data Mnng algorthms n the bbuography, not many authors have dealt the problem frorn Software Engneerng pont of vew. CRISP-DM s a model process that appeared n 0. CRISP-DM s the frst standard of Data Mnng projects development. In the standard of software development model process processes and tasks are proposed smlar to those n CRISP-DM model, nevertheless, n software development a lot of methods are descrbed to estmate the costs of project development (SLIM, SEER-SEM, PRICE-S and COCOMO). These methods are not approprate n the case of Data Mnng projects because n Data Mnng software development s not the frst goal. Some methods have been proposed to estmate some phases of a Data Mnng project [Dom99, Dom98] but there s no method to estmate the global cost of a generc Data Mnng project. The lack od Data Mnng project estmaton processes s on the bass of many real lfe projects falure due to the non realstc estmaton at the begnnng of the projects. Consequently, we propose to desgn and valídate a parametrc cost estmaton model for Data Mnng projects. The drvers of the model wll be frstly proposed and later the equaton of the model wll be obtaned applyng lnear regresson on data gathered of real Data Mnng projects.

7 índce Capítulo. Introduccón.. Objetvos del trabajo.. Organacón del trabajo I ESTADO DE LA CUESTIÓN 6 Capítulo. Estado de la cuestón 7.. Gestón de relacones con los clentes (CRM) 8.. Data Mnng 0... Fase de preproceso... Vase de Data Mnng... Tpos de problemas de DflíaM/«/«g... Operacones y técncas de Dflífl Mmmg 6... Fase de postproceso e mplantacón 8... Personal en los proyectos de Data Mnng 8... Herramentas de Data Mnng 0.. Bases de datos analítcas: Data Warehouse 0... Aqutectua de un Data Warehouse... El modelo multdmensonal.. Modelo de proceso CRISP-DM 7.. Estmacón de proyectos software 0... Métodos de estmacón software... Modelos matemátcos de estmacón... Aspectos ftndamentales en el ftnconamento de los modelos matemátcos de estmacón... Modelos matemátcos de estmacón software 7... SLIM 8... PRICE-S 9... COCOMOII

8 .6. Modelos de estmacón en proyectos de Data Mnng Taxonomía de costes de problemas predctvos Estmacón en proyectos de marketng Aplcacón de NPV para la estmacón del coste de aplcacones "Machne Learnng" 0.7. Resumen contextual II ESTUDIO Y RESOLUCIÓN DEL PROBLEMA Capítulos. Planteamento del problema.. Planteamento.. Objetvos del trabajo 9 Capítulo. Solucón 6.. Introduccón 6.. Descrpcón del entorno 6... Descrpcón de la empresa 6... Descrpcón de un proyecto de Data Mnng normal 6.. Drvers de coste propuestos para proyectos de Dflífl Mwmg 6... Drvers de Datos Volumen Dspersón o número dferentes de valores de los atrbutos (DISP) Caldad de los datos Dsponbldad de los modelos de datos (DMOD) 7... Prvacdad de los datos (PRIV) Necesdad de adquscón de datos externos (DEXT) 7... Drvers de Modelos 7... Número de modelos (NMOD) 7... Tpo de modelo (TMOD) 7... Característcas del modelo 7... Dsponbldad de técncas para el tpo de problema a tratar (MTEC) Drvers de Plataforma de desarrollo 8... Número y tpo de fuentes (NFUN) 8... Tpo de servdores donde resden los datos (NSER) 8... Dstanca y forma de comuncacón entre los orígenes de datos (SCOM) 8... Drvers de Técncas y Herramentas 8... Dsponbldad de herramentas (TOOL) 8

9 ... Tpo de herramentas 8... Herramentas vs. Máquna vs. Modelo de datos (TOMM) Nvel de transparenca de las herramentas (TRAN) Nvel de formacón de los usuaros que requeren las herramentas (NFOR) Amgabldad de las herramentas (TFRI) Drvers de Proyecto Número de departamentos nvolucrados en el proyecto (NDEP) Documentacón a entregar (DOCU) Modelos para múltples entornos (MSIM) 9... Desarrollo en múltples localacones (SITE) Drvers de Personal Contnudad del personal (PCON) Formacón del personal en perfles complementaros (PCOM) Conocmento de los datos que se van a utlar (KDAT) Acttud de la dreccón frente al proyecto (ADIR) Experenca en proyectos smlares (PEXP) Famlardad con el tpo de problema (MFAM) Experenca con técncas y herramentas (TEXP) Conocmento del funconamento del negoco (BCON) 96.. Planteamento de la ecuacón del modelo DMCOMO Descrpcón de los datos de entrada Obtencón de la ecuacón de regresón... Paso : Descrpcón estadístca de los datos... Paso : Valores fuera de rango o "outlers" 0... Paso : Estudo de correlacón 0... Paso : Ecuacón del modelo medante regresón lneal 0... Paso : Estudo de la sgnfcacón de la ecuacón 07.. Valdacón de la ecuacón del modelo DMCOMO 0.6. Resumen contextual III CONCLUSIONES Y LÍNEAS FUTURAS Capítulos. Conclusones y Líneas futuras.. Conclusones.. Líneas futuras

10 Bblografía 7 Apéndce A. Método Delph 9 A.I. Formularos Delph utlados para DMCOMO 0 Apéndces. Regresón múltple Apéndce C. Datos utlados para DMCOMO 7 Apéndce D. Modelo DMCOMO 8

11 Capítulo Introduccón "... Porque quén hay entre vosotros que querendo levantar una torre, no se senta prmero para calcular los gastos y ver s tene para acabarla? No sea que, s pone el cmento y no puede acabar, todos los que se enteren se burlen de él,..." [bb78, Lucas :8} En 999 un nforme de GartnerGroup [DLOO] predecía un gran crecmento en el campo de Data Mnng. "En la próxma década, el número de proyectos de Data Mnng crecerá drástcamente (más de un %) para mejorar las relacones con los clentes y ayudar a las empresas a escuchar a sus clentes". El nforme de Forrester Reseerch [CTGN0] establecía que: "Después de la caída de más de.0 mllones de dólares en el año, el mercado de CRM crecerá más del % anual, alcanando los 7.8 mllones de dólares en el año 7". Tenendo en cuenta los resultados de los nformes de GartnerGroup y de Forrester Research y la cantdad de proyectos de CRM que se están desarrollando en las empresas, se puede determnar que la ndustra de CRM tene y tendrá un gran crecmento en la década actual. CRM [Customer Relatonshp Management, Gestón de las Relacones con los Clentes) se puede defnr como la estructura que permte la obtencón y el aumento del valor de los clentes así como los medos para hacer que los clentes de más alto valor para la empresa permanecan leales. El MODELO MATEMÁTICO PAKAMÉTRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING (DMCOMO)

12 CAPÍTULO. INTRODUCCIÓN típco concepto de "clente" ya no exste. Hasta hace poco las organacones estaban preocupadas por el qué en lugar de por el quén. En la actualdad, la mayoría de los clentes de las empresas y comercos demandan servcos y tatro personalado. La competenca entre empresas (márgenes cada ve más reducdos, caldad máxma, reduccón de costes, máxma adaptabldad al cambo), las nuevas exgencas y los comportamentos mucho más dnámcos de los clentes undo a la necesdad del trato personalado y a la exstenca de nuevos canales de negoco tales como Internet han dado lugar a la aparcón del concepto CRM. Consecuenca de todo lo vsto, en los últmos años las empresas se han vsto oblgadas a desarrollar sstemas de CRM. Estos sstemas se dvden en tres grandes áreas CRM Operaconal, que es el conjunto de herramentas necesaras para mantener las operacones de los dstntos canales (medo por el cual los productos y servcos son sumnstrados o prestados al clente fnal) y la funconaldad soportada por los msmos; CRM Coloboratvo, que mantene el dálogo entre los dstntos canales y mantene la coherenca y reutlacón máxma de la nformacón; y CRM Analítco, que es el encargado de agrupar y gestonar la nformacón con el fn de analar estos datos y poder optmar la relacón mantenda con el clente. Para poder analar los datos adqurdos día a día por las organacones en búsqueda de nformacón que ayude a dcr un trato personalado a los clentes surge en 980 la nvestgacón en Data Mnng [PSF9, FPSSU96]. Data Mnng es por tanto la base para realar CRM analítco en las organacones, lo que explca el gran número de proyectos de Data Mnng que en las empresas se están realando durante los últmos de. Para poder analar el comportamento de los clentes es necesaro analar las bases de datos hstórcas obtendas del día a día en cada empresa. Para solventar el problema del descubrmento de conocmento en bases de datos surgó el área de nvestgacón en KDD. Desde la aparcón del concepto de KDD en 980 la nvestgacón en este área de conocmento ha dado como ñ"uto numerosos algortmos para resolver los dstntos problemas de descubrmento de conocmento que se pueden abordar. Estos algortmos han servdo de base para la mplementacón de numerosos sstemas comercales de Data Mnng (Clementne [ISL9, KS9, She96], IBM Intellgent Mner [Tka98, IBM99], Weka rwtoo], DBMner [The97]) que se utlan hoyen día que en las organacones nvolucradas en proyectos de Data Mnng. S ben las herramentas son de gran ayuda en el desarrollo de los menconados proyectos se requere de una metodología para el desarrollo de los msmos. Para solventar los problemas que el desarrollo de proyectos de Data Mnng estaba tenendo en las organacones, un grupo de empresas (Teradata, SPSS (ISL), Damler-Chrysler y OHRA) desarrollaron el modelo de proceso CRISP-DM [NSN+OO]. La aparcón de CRISP-DM, supuso un 'MODELO MATEMÁTICO PARAMÉTRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING DMCOMO)

13 CAPÍTULO. INTRODUCCIÓN modelo de proceso en el cual no solo se defnen las fases, sno que tambén se defnen los procesos a realar en cada una de ellas con las entradas y saldas correspondentes. El estándar CRISP-DM propone un modelo de proceso para el desarrollo de sstemas de Data Mnng, de forma smlar a los estándares ISO 07 [IS09] e IEEE 07 [IEE9] que proponen modelos de proceso para el desarrollo de productos software. Los modelos de proceso proponen una fase de gestón de proyectos dentro de la cual una subtarea es sempre la estmacón del esfuero y del tempo que llevará el desarrollo del producto. Para realar dcha estmacón se han desarrollado dstntos modelos de estmacón sendo los modelos matemátcos paramétrcos una de las prmeras metodologías de estmacón de costes desarrolladas [ISP99]. Estos modelos, basados en un conjunto de varables de entrada sgnfcatvas, o parámetros, fueron desarrollados con el objetvo de realar estmacones de los costes de las nuevas adquscones a realar por el DoD [Department ofdefense, Departamento de Defensa de los Estados Undos de Amérca). El funconamento de los modelos matemátcos de estmacón para proyectos software se fundamenta en la utlacón de ecuacones matemátcas medante las cuales se obtene el valor de un conjunto de varables dependentes de salda (esfuero, tempo de desarrollo, etc.) en funcón de los valores numércos dados a otro conjunto de varables ndependentes de entrada (tamaño de la aplcacón en líneas de códgo, ñabldad requerda de la msma o complejdad, etc.). La mayor parte de estos modelos suelen operar medante un proceso de dos pasos, en el prmero se reala una prmera aproxmacón o estmacón en funcón del valor de un conjunto reducdo de varables ndependentes, y en el segundo se precsa el resultado medante la utlacón de otro conjunto de varables que permte refnar los cálculos. La obtencón de buenos resultados hacendo uso de este tpo de modelos se fundamenta en la correcta defncón de las ecuacones a utlar, en la contnua revsón de las varables de entrada utladas, en el correcto calbrado de los parámetros utlados por el modelo y en la correcta seleccón del rango de las varables de entrada del modelo. Como ejemplo de modelos matemátcos paramétrcos de estmacón para sstemas software destacan COCOMOII [BARLOO], SLIM [SPJROO], PRICE-S [PS98b] entre otros. Tambén exsten modelos de este tpo en otros campos como pueden ser para el desarrollo de hardware PRICE-H [PS98a] o el propuesto en [Ham0a] para proyectos de lanamentos espacales en la NASA. Sn embargo, no se han propuesto a fecha de hoy modelos para la estmacón de proyectos de Data Mnng. S ben, CRISP-DM, como modelo de proceso, tambén ncluye una subtarea (desarrollo de un plém de proyecto) que ncluye la estmacón del proyecto, no ndca como estmar los proyectos de Data MODELO MATEMÁTICO PARAMÉTRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING IDMCOMOf

14 CAPÍTULO. INTRODUCCIÓN Mnng. Por tanto, se podría pensar en aplcar los modelos de estmacón propuestos para el desarrollo de productos software (COCOMOII, SLIM, etc.). No obstante, los modelos de estmacón que se utlan en proyectos de construccón de software COCOMOII[BARLOO], SLIMfSPJROO], PRICE-S [PS98b], SEER-SEM[Ass96D no resultan útles para proyectos de Data Mnng, puesto que todos ellos utlan como prncpal entrada el tamaño (una estmacón del número de líneas de códgo) del software a construr. Por este motvo estos métodos de estmacón no resultan váldos para proyectos de Data Mnng, puesto que en este tpo de proyectos no se trata, en prncpo, de construr una herramenta software, que se pueda medr en líneas de códgo, sno que se trata de construr modelos que a partr de unos datos de entrada permtan la obtencón de patrones en los datos, que es el objetvo básco del proceso de KDD. Los métodos de estmacón de proyectos de Data Mnng que se han propuesto hasta el día de hoy [MPS96, Dom98, KPR99] se pueden clasfcar por un lado en aquellos que estman el valor que tendrá para la empresa la nformacón obtenda [MPS96, KPR99] y por otro lado en aquellos modelos que hacen una estmacón de los benefcos que se obtendrán con el proyectos [Dom98] basándose en NPV (Net Present Valué) para tomar la decsón de contnuar o no con el proyecto. Este últmo método tene en cuenta factores tales como la experenca del personal, s se utlan herramentas, etc. Como consecuenca se puede afrmar que aunque han pasado vente años desde la aparcón del térmno Data Mnng no exste a día de hoy un método genérco para estmar los proyectos de Data Mnng. Consecuentemente se plantea en este trabajo de tess doctoral un modelo paramétrco de estmacón para proyectos de Data Mnng... Objetvos del trabajo Dada la mportanca que está tomando en la actualdad el desarrollo de proyectos de Data Mnng y que no hay nngún método de estmacón, que calcule la duracón y el esfuero para este tpo de proyectos, el prncpal objetvo de este trabajo de tess doctoral es la construccón de un modelo paramétrco de estmacón para proyectos de Data Mnng. Para ello el trabajo a realar se puede desglosar en los sguentes objetvos parcales: Q Realar un análss de comportamento para determnar que factores nfluyen en el esfuero de los proyectos de Data Mnng para establecer los drvers de coste. Recogda de datos acerca de los drvers planteados en proyectos reales de Data Mnng. MODELO MATEMÁTICO PARAMÉTRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING (DMCOMOI"

15 CAPÍTULO. INTRODUCCIÓN a Plantear un modelo ncal basado regresón lneal sobre el conjunto de datos recogdos. Valdacón del modelo, estmando el esfuero de un conjunto de proyectos reales y comparando el valor estmado con el valor real del esfuero. El cumplmento de estos objetvos, se traducrá en las sguentes aportacones: Teórcas: La construccón de un modelo de estmacón para proyectos de Data Mnng. Como consecuenca de la construccón del modelo, se conocerán los factores qué afectan al esfuero de un proyecto de Data Mnng y en qué medda lo hacen. O Práctcas: Dsponbldad de una herramenta para poder realar estmacones del esfuero de proyectos de Data Mnng. Tambén se aportará la forma de calbrado del msmo y la forma de utlacón... Organacón del trabajo El contendo de este trabajo de Tess se encuentra organado de la forma que se detalla a contnuacón. Q En el Capítulo se hace un repaso a los trabajos realados hasta el momento en una sere de campos, en la nterseccón de los cuales se encuadra tanto el problema planteado como la solucón propuesta. Estos trabajos son los realados en el campo del descubrmento de nformacón en grandes volúmenes de datos y los planteados en el campo de la estmacón de proyectos, en concreto, en la estmacón de proyectos software. a La segunda parte de este trabajo de Tess presenta el problema tratado y la solucón planteada como respuesta al msmo. En el Capítulo se plantea el problema a resolver. En el Capítulo se propone la solucón al problema planteado en el capítulo. Asmsmo se reala la valdacón de la solucón propuesta. Fnalmente, la últma parte del trabajo recoge, en el Capítulo las conclusones extraídas de esta nvestgacón y en las líneas de nvestgacón abertas tras la realacón del msmo. MODELO MATEMÁTICO PAÜAMÉTRICO DE ESTÍMACIÚNPAKA PROYECTOS DE DATA MINING (DMCOMOX

16 Parte I ESTADO DE LA CUESTIÓN MODELO MATEMÁTICO PARAMÉrmCO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING (DMCOMOf

17 Capítulo Estado de la cuestón índce General.. Gestón de relacones con los clentes (CRM) 8.. Data Mnng 0... Fase de preproceso... Fase de Data Mnng... Fase de postproceso e mplantacón 8... Personal en los proyectos de Data Mnng 8... Herramentas de )aía Mm/ng 0.. Bases de datos analítcas: Data Warehouse 0... Arqutectura de un Daífl Wflre/íOMse... El modelo multdmensonal.. Modelo de proceso CRISP-DM 7.. Estmacón de proyectos software 0... Métodos de estmacón software... Modelos matemátcos de estmacón... Modelos matemátcos de estmacón software 7.6. Modelos de estmacón en proyectos de Dato M'nng Taxonomía de costes de problemas predctvos Estmacón en proyectos de marketng Aplcacón de NPV para la estmacón del coste de aplcacones "Machne Learnng" 0.7. Resumen contextual MODELO MATEMÁTICO PARAMÉTRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING (DMCOMOr

18 CAPÍTULO. ESTADO DE LA CUESTIÓN.. Gestón de relacones con los clentes (CRM) La aparcón del concepto de CRM [Customer Relatonshp Management, Gestón de Relacones con los Clentes) se debe a la puesta en escena de nuevos parámetros en el entorno empresaral que han hecho evoluconar las estrategas tradconales de negoco. Entre estos parámetros destacan, por un lado la competenca entre las organacones con márgenes cada ve más reducdos, reduccón de costes y máxma adaptabldad al cambo. Por otro lado, se tenen clentes con nuevas exgencas y comportamentos mucho más dnámcos, más exgentes, con mucha más nformacón, crtero propo y capacdad de decsón a la hora de la compra. Así, el más pequeño error en el trato provoca el rápdo abandono de la compañía actual y el cambo a otra compañía que faclte el acceso y la personalacón en la relacón. La fdelacón de los clentes es por tanto un factor a tener en cuenta cada ve con mayor cudado. Por últmo la exstenca de nuevas posbldades técncas con nfndad de medos de nterrelacón con los sstemas de compra e nformacón de las compañías, facltando la ubcudad, senclle y facldad de acceso, como por ejemplo Internet, hacen que la forma de hacer negoco tenga que adaptarse al cambo. CRM ha sdo defndo como: "Conjunto global de procesos tecnológcos, humanos yfunconales destnados a proporconar servcos ntegrales personalados a la estructura de clentes de una Compañía o Corporacón" [DycOl]. Durante muchos años los proyectos de Sstemas de Informacón de las organacones se han orentado haca sstemas que capturan y tratan efcentemente las operacones de la empresa. La mayoría de las veces estos sstemas son completamente ndependentes hacendo dfícl una vsón ntegral de la nformacón operaconal de la empresa. En otros casos, los sstemas están organados por línea de producto, por línea de servco o por segmentos de clentes. Así pues los Sstemas de Informacón son aslados y carecen de una vsón global y homogénea con una dfícl ntegracón entre sus elementos. Una de las característcas más mportantes de CRM es dsponer de almacenes de datos ntegrados, consoldados, fáclmente nterpretables, manejables y de caldad. Para abordar servcos CRM, muchas compañías han selecconado un determnado producto de la nueva generacón de paquetes para aplcacones de FrontOffce, por ejemplo orentadas a la rápda mplantacón de procesos báscos de Atencón al Clente (Chordant [Inc0], Clarfy [fge0], Remedy [CRM0], etc.), de MddleOffce, como son las solucones de Bussnes Intelgence para el análss de datos de negoco y de BackOffce, por ejemplo para facturacón. Sn embargo, durante el proceso de mplantacón de estos sstemas, se adverte la necesdad de MODELO MATEMÁTICO PARAMÉTRICO DE ESTIMACIÓN PAJU PROYECTOS DE DATA MINING (DMCOMOJ

19 CAPÍTULO. ESTADO DE LA CUESTIÓN tener una vsón coordnada de los datos, de los procesos de la organacón y del clente con el fn de consegur un verdadero benefco y valor dferencal en la gestón del servco proporconado. Las necesdades de estas organacones pasan a ser necesdades tecnológcas de ntegracón de nuevas aplcacones con paquetes prevamente adqurdos y sstemas ya montados {legacy systems). Para poder unr las herramentas anterores (FrontOffce, MddleOffce y BackOffce) en un sstema de CRM ntegrado se han de construr una sere de subsstemas que se comuncan entre s. Así los sstemas de CRM, según Gartner Group [GroOl], están dvddos en tres grandes áreas, una operaconal, una analítca y una colaboratva (ver fgura.). CRM Operaconal CRM Analítco Back Offce ERP SMC Legacy Systems Data Warefouse Front Offce Customer Servce Automatacón - de -. Marletng Automatacón > de ventas Moble Offce Sstema Móvl de ventas Atencón de campo Interaccón con el clente Vo Web Correo electrónco Fax Cartas Interaccón drecta CRM Colaboratvo Fgura.: Descrpcón de CRM Por CRM Operaconal se entende al conjunto de herramentas necesaras para mantener las operacones de los dstntos canales, y la funconaldad soportada por los msmos, entendendo por canal el medo a través del cual los productos y servcos son sumnstrados o prestados al usuaro o clente fnal. Está formado por un BackOffce o MddleOffce consttudo por los sstemas ERP {Enterprse Resource Plannng], SCM {Supply Change Management) y el resto de los sstemas corporatvos {Legacy Systems), por un FrontOffce {Customer Servce, Automatacón de Marketngy Ventas) y por un MobleOffce {Sstema Móvl de Ventas y Atencón de Campo). En algunos casos tambén se denomna a este subsstema como CRM transacconal puesto que se ocupa de gestonar todas las transaccones de nformacón entre los dstntos elementos. El CRM Colaboratvo mantene el dálogo entre los dstntos canales y las herramentas de BackOffce mantenendo la coherenca y fomentando la reutlacón máxma de la nformacón. Por últmo el subsstema de CRM Analítco es el encargado de agrupar y gestonar la nformacón MODELO MATEMÁ TICO PARAMÉTRICO DE ESTIUACIÓN PARA PBOYECTOS DE DATA MINING (DMCOMOf

20 CAPÍTULO. ESTADO DE LA CUESTIÓN 0 con el fn de analar estos datos, utlando Data Warehouse y Data Marts, para poder optmar la relacón mantenda con el clente, potencando los productos y servcos de mayor aceptacón, potencando los canales de mayor llegada, desplegando una red de canales dferentes, centrándose en aquellos clentes de mayor valor potencal o mayor rentabldad pasada, etc. Es aquí donde se aplcan las técncas de descubrmento de nformacón en bases de datos, entre ellas Data Mnng... Data Mnng La evolucón de los dspostvos de almacenamento masvo (en relacón preco - capacdad de almacenamento) tales como los dscos duros que pueden almacenar ggabytes de nformacón a un preco reducdo, do lugar a que las organacones almacenaran todo tpo de nformacón. Con el tempo, la cantdad de datos que se fue almacenando empeó a crecer y, s ben, el soporte de las herramentas para realar la gestón de los datos era el adecuado, los datos empearon a sobrepasar las capacdades humanas para el análss. Al msmo tempo, los sstemas de bases de datos habían comenado a descentralarse con lo que las decsones tenían falta de credbldad, nefcenca y falta de productvdad. Como respuesta a esto surgeron por un lado la nvestgacón en KDD [Knowledge Dscovery n Databases) [PSF9, FPSSU96] o Data Mnng para dar respuesta a los problemas de análss de datos y por otro lado surge la nvestgacón en Data Warehouse como base de datos de soporte al proceso de KDD. El proceso de descubrmento de nformacón oculta en bases de datos se conoce con el nombre de proceso de KDD {Knowledge Dscovery n Data Bases). El proceso de KDD fue defndo en [PSF9] y en [FPSS96] como: "El proceso no trval de dentfcacón de patrones váldos, novedosos potencalmente útles y comprensbles en los datos". En la defncón anteror se entende por datos un conjunto de hechos y patrones que se expresan en algún lenguaje. Por lo general, el formato de representacón de estos datos son tupas de una base de datos. S ben se dce que es una base de datos, en la mayoría de los casos estos datos no están en una únca base de datos, sno que se hallan dspersos entre las bases de datos operaconales de la organacón. El térmno patrones desgna los modelos extraídos en base a los datos y que representan una descrpcón de alto nvel de los datos de los que provenen. Estos patrones serán los que servrán para representar el conocmento que se extraerá de la base de datos y que será utlado en los procesos de CRM. Los patrones extraídos pueden representarse como reglas, árboles, grafos o cualquer otra forma de representar nformacón de alto nvel. ' MODELO MATEMÁ TICO PARAMÉTRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING (DMCOMO}'

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

REGRESION Y CORRELACION

REGRESION Y CORRELACION nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

Material realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera

Material realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera Tema - MATEMÁTICAS FINANCIERAS Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura: Economía Fnancera Apuntes realzados por J. Davd Moreno y María Gutérrez Advertenca

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

INSYS Advanced Dashboard for Enterprise

INSYS Advanced Dashboard for Enterprise Enterprse Enterprse INSYS Advanced Dashboard for Enterprse Enterprse, es un tablero de control para llevar a cabo la Gestón de la Segurdad de la Informacón, Gestón de Gobernabldad, Resgo, Cumplmento (GRC)

Más detalles

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF) ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón

Más detalles

ACUERDO DE ACREDITACIÓN IST 184. Programa de Magister en Ciencias mención Oceanografía Universidad de Concepción

ACUERDO DE ACREDITACIÓN IST 184. Programa de Magister en Ciencias mención Oceanografía Universidad de Concepción A t f l E D T A C l f l N UMITAS ACUERDO DE ACREDITACIÓN IST 184 Programa de Magster en Cencas mencón Oceanografía Unversdad de Concepcón Con fecha 10 de octubre de 2012, se realza una sesón del Consejo

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

CRM - Marketing 1to1

CRM - Marketing 1to1 CRM - Marketng 1to1 Una clara estratega de Para vsualzar la presentacón en pantalla completa, haga clck en: Examnar/Pantalla Completa negoco Por Qué Los Clentes Nos Dejan? 2 1% se mueren 3% camban de dreccón

Más detalles

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández

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

TÉCNICAS AUXILIARES DE LABORATORIO

TÉCNICAS AUXILIARES DE LABORATORIO TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

MODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO

MODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO MODELO DE PROCESOS TECNOLOGÍAS DE LA INFORMACIÓN - GESTIÓN DEL SERVICIO INTRODUCCION Gestón de Servcos de TI: Entrega de servcos de TI, que cumplan con los requstos del negoco, de una caldad aceptable

Más detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 8: PRÉSTAMOS ÍNDICE TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE

Más detalles

Economía de la Empresa: Financiación

Economía de la Empresa: Financiación Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se

Más detalles

TÉCNICAS DE ANÁLISIS DE DATOS

TÉCNICAS DE ANÁLISIS DE DATOS TÉCNICAS DE ANÁLISIS DE DATOS APLICACIONES PRÁCTICAS UTILIZANDO MICROSOFT EXCEL Y WEKA José Manuel Molna López Jesús García Herrero 2006 PRÓLOGO Estos apuntes pretenden dar una vsón general de las técncas

Más detalles

TÉCNICAS DE ANÁLISIS DE DATOS

TÉCNICAS DE ANÁLISIS DE DATOS TÉCNICAS DE ANÁLISIS DE DATOS APLICACIONES PRÁCTICAS UTILIZANDO MICROSOFT EXCEL Y WEKA Jesús García Herrero 202 José Manuel Molna López PRÓLOGO Estos apuntes pretenden dar una vsón general de las técncas

Más detalles

INCORPORACIÓN DE TÉCNICAS MULTIVARIANTES EN UN SISTEMA GESTOR DE BASES DE DATOS TESIS DE MAESTRÍA. Autoría de: CARLOS MARIO SOTO JARAMILLO

INCORPORACIÓN DE TÉCNICAS MULTIVARIANTES EN UN SISTEMA GESTOR DE BASES DE DATOS TESIS DE MAESTRÍA. Autoría de: CARLOS MARIO SOTO JARAMILLO INCORPORACIÓN DE TÉCNICAS MULTIVARIANTES EN UN SISTEMA GESTOR DE BASES DE DATOS TESIS DE MAESTRÍA Autoría de: CARLOS MARIO SOTO JARAMILLO Drectora: Ph. D. CLAUDIA JIMÉNEZ RAMÍREZ MAESTRÍA EN INGENIERÍA

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

VII Jornadas para el Desarrollo De Grandes Aplicaciones de Red

VII Jornadas para el Desarrollo De Grandes Aplicaciones de Red Modelo de Consultoría TI especalzado VII Jornadas para el Desarrollo De Grandes Aplcacones de Red Incorporar servcos de consultoría TI en el sector de la Manufacturacón Carlos Ramón López Paz clopez@dtc.ua.es

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

Créditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias

Créditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias Crédtos Y Sstemas de Amortzacón: Dferencas, Smltudes e Implcancas Introduccón Cuando los ngresos de un agente económco superan su gasto de consumo, surge el concepto de ahorro, esto es, la parte del ngreso

Más detalles

1.- Elegibilidad de estudiantes. 2.- Selección de estudiantes - 2 -

1.- Elegibilidad de estudiantes. 2.- Selección de estudiantes - 2 - Unversdad Euskal Herrko del País Vasco Unbertstatea NORMATIVA PARA SOCRATES/ERASMUS Y DEMÁS PROGRAMAS DE MOVILIDAD AL EXTRANJERO DE ALUMNOS (Aprobada en Junta de Facultad del día 12 de marzo de 2002) La

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Índice de Madurez Tecnológica en el Sector Hotelero

Índice de Madurez Tecnológica en el Sector Hotelero Índce de Madurez Tecnológca en el Sector Hotelero Jaume Jaume Mayol, Antono Tudurí Vla Escuela de Hotelería de las Illes Balears Balears Resumen: El ncremento del uso de las Tecnologías de la Informacón

Más detalles

Introducción al riesgo de crédito

Introducción al riesgo de crédito Introduccón al resgo de crédto Estrella Perott Investgador Senor Bolsa de Comerco de Rosaro eperott@bcr.com.ar. Introduccón El resgo credtco es el resgo de una pérdda económca como consecuenca de la falta

Más detalles

Lo que necesito saber de mi Tarjeta de Crédito

Lo que necesito saber de mi Tarjeta de Crédito Lo que necesto saber de m Tarjeta de Crédto Informatvo tarjetas de crédto bancaras Cómo obtener una 3 Qué es una La tarjeta de crédto es un medo de pago que permte a los clentes utlzar una línea de crédto

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

1.- Una empresa se plantea una inversión cuyas características financieras son:

1.- Una empresa se plantea una inversión cuyas características financieras son: ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES. Departamento de Economía Aplcada (Matemátcas). Matemátcas Fnanceras. Relacón de Problemas. Rentas. 1.- Una empresa se plantea una nversón cuyas característcas

Más detalles

GANTT, PERT y CPM INDICE

GANTT, PERT y CPM INDICE GANTT, PERT y CPM INDICE 1 Antecedentes hstórcos...2 2 Conceptos báscos: actvdad y suceso...2 3 Prelacones entre actvdades...3 4 Cuadro de prelacones y matrz de encadenamento...3 5 Construccón del grafo...4

Más detalles

Reconocimiento de Imágenes Empleando Redes de Regresión General y la Técnica TVS

Reconocimiento de Imágenes Empleando Redes de Regresión General y la Técnica TVS Reconocmento de Imágenes Empleando Redes de Regresón General y la Técnca TVS Rcardo García-Herrera & Waltero Wolfgang Mayol-Cuevas Laboratoro de INvestgacón para el Desarrollo Académco Depto. Ingenería

Más detalles

TEMA 6 AMPLIFICADORES OPERACIONALES

TEMA 6 AMPLIFICADORES OPERACIONALES Tema 6 Amplfcadores peraconales ev 4 TEMA 6 AMPLIFICADES PEACINALES Profesores: Germán llalba Madrd Mguel A. Zamora Izquerdo Tema 6 Amplfcadores peraconales ev 4 CNTENID Introduccón El amplfcador dferencal

Más detalles

Aplicación de técnicas de minería de datos para la fidelización y retención de clientes

Aplicación de técnicas de minería de datos para la fidelización y retención de clientes IBM Software Group Aplcacón de técncas de mnería de datos para la fdelzacón y retencón de clentes Víctor López Fandño Busness Intellgence Solutons Specalst IBM Software Group IBM Software Expo 2005 2005

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

Un modelo sencllo, dsponble y seguro Kontratazo publko elektronkoa públca electrónca Lctacones de Prueba: la mejor forma de conocer y domnar el Sstema de Lctacón Electrónca www.euskad.net/contratacon OGASUN

Más detalles

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República. 9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara

Más detalles

Explicación de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS

Explicación de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS Explcacón de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS EMBARGO: 21 de agosto de 2012, 15:00 (CEST) Objetvo angular de 24 mm, con zoom óptco 30x (PowerShot SX500 IS) Desarrollado usando

Más detalles

Qué es la EN81-28? Atrapado en el ascensor?

Qué es la EN81-28? Atrapado en el ascensor? Qué es la EN81-28? Atrapado en el ascensor? www.safelne.se La podemos ayudar! Hsselektronk desarrolla y produce electrónca para ascensores. Nuestra gama de productos consste prncpalmente en teléfonos de

Más detalles

Control de Inventarios y su Aplicación en una Compañía de Telecomunicaciones

Control de Inventarios y su Aplicación en una Compañía de Telecomunicaciones Control de Inventaros y su Aplcacón en una Compañía de Telecomuncacones Carlos Alberto Álvarez Herrera, Maurco Cabrera-Ríos * Dvsón de Posgrado en Ingenería de Sstemas, FIME-UANL {carlos@yalma.fme.uanl.mx,

Más detalles

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología

Más detalles

Postgrado. Ingeniería. Experto en Big data

Postgrado. Ingeniería. Experto en Big data Postgrado Ingenería Experto en Bg data Data analytcs Bases de datos NoSQL Hadoop Map/Reduce Dseño de modelo de datos Integracón con Data Warehouse Busness ntellgence Knowledge dscovery Proceso masvo de

Más detalles

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con

Más detalles

Tasas de Caducidad. - Guía de Apoyo para la Construcción y Aplicación - Por: Act. Pedro Aguilar Beltrán. paguilar@cnsf.gob.mx

Tasas de Caducidad. - Guía de Apoyo para la Construcción y Aplicación - Por: Act. Pedro Aguilar Beltrán. paguilar@cnsf.gob.mx Tasas de Caducdad - Guía de Apoyo para la Construccón y Aplcacón - Por: Act. Pedro Agular Beltrán pagular@cnsf.gob.m 1. Introduccón La construccón y aplcacón de tasas de caducdad en el cálculo de utldades

Más detalles

Unidad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI

Unidad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI Undad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI 3.1. DINÁMICA DE LA GESTIÓN DE PROYECTOS. 3.1.1. GESTIÓN DE PROYECTOS. La gestón

Más detalles

ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA.

ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA. ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA. SEGUNDA PARTE. (TRABAJO PRESENTADO EN EL CONGRESO DE LA SOCIEDAD ARGENTINA DE ESTADISTICA)

Más detalles

Keywords: Critical systems, Indicators, Software Agents, Enterprise Resource Planning Systems.

Keywords: Critical systems, Indicators, Software Agents, Enterprise Resource Planning Systems. Sstema mult-agente para medr la confabldad en las dmensones de dsponbldad y fabldad de un sstema crítco envolvendo al sstema ERP, base de datos y sstema operatvo Angel Hermoza 1, Lus Rvera 2, Davd Maurco

Más detalles

2.5 Especialidades en la facturación eléctrica

2.5 Especialidades en la facturación eléctrica 2.5 Especaldades en la facturacón eléctrca Es necesaro destacar a contnuacón algunos aspectos peculares de la facturacón eléctrca según Tarfas, que tendrán su mportanca a la hora de establecer los crteros

Más detalles

APENDICE A. El Robot autónomo móvil RAM-1.

APENDICE A. El Robot autónomo móvil RAM-1. Planfcacón de Trayectoras para Robots Móvles APENDICE A. El Robot autónomo móvl RAM-1. A.1. Introduccón. El robot autónomo móvl RAM-1 fue dseñado y desarrollado en el Departamento de Ingenería de Sstemas

Más detalles

Lo que necesito saber de mi tarjeta de crédito

Lo que necesito saber de mi tarjeta de crédito Lo que necesto saber de m tarjeta de crédto Informatvo tarjetas de crédto bancaras Cómo obtener una tarjeta de crédto 3 Qué es una tarjeta de crédto La tarjeta de crédto es un medo de pago que permte a

Más detalles

Un enfoque de inventarios para planear capacidad en redes de telecomunicaciones

Un enfoque de inventarios para planear capacidad en redes de telecomunicaciones Un enfoque de nventaros para planear capacdad en redes de telecomuncacones arlos Alberto Álvarez Herrera, Maurco abrera Ríos Dvsón de Posgrado en Ingenería de Sstemas, FIME-UANL carlos@yalma.fme.uanl.mx,

Más detalles

Tu área reservada Organización Simplicidad Eficiencia

Tu área reservada Organización Simplicidad Eficiencia Rev. 07/2012 Tu área reservada Organzacón Smplcdad Efcenca www.vstos.t La Tu tua área area reservada rservata 1 MyVstos MyVstos es la plataforma nformátca, reservada a los clentes Vstos, que permte comprobar

Más detalles

EL AMPLIFICADOR OPERACIONAL.

EL AMPLIFICADOR OPERACIONAL. Tema 6. El mplfcador peraconal. Tema 6 EL MPLIFICD PECINL.. Introduccón... Símbolos y termnales del amplfcador operaconal... El amplfcador operaconal como amplfcador de tensón..3. Conceptos báscos de realmentacón..4.

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

59/102. Módulo profesional: Procesos de venta. Código: 1232. Resultados de aprendizaje y criterios de evaluación.

59/102. Módulo profesional: Procesos de venta. Código: 1232. Resultados de aprendizaje y criterios de evaluación. Módulo profesonal: Procesos de venta. Códgo: 1232 Resultados de aprendzaje y crteros de evaluacón. RA 1. Identfca el proceso de decsón de compra del consumdor y/o usuaro, analzando los factores que ncden

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

Más detalles

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada. Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo

Más detalles

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL

Más detalles

Título: Dos métodos de diagnóstico de circuitos digitales de alta y muy alta escala de integración.

Título: Dos métodos de diagnóstico de circuitos digitales de alta y muy alta escala de integración. Título: Dos métodos de dagnóstco de crcutos dgtales de alta y muy alta escala de ntegracón. Autor: Dr. Ing. René J. Díaz Martnez. Profesor Ttular. Dpto. de Automátca y Computacón. Fac. de Ingenería Eléctrca.

Más detalles

FACTORES DE RIESGO Y CÁLCULO DE PRIMAS MEDIANTE TÉCNICAS DE APRENDIZAJE

FACTORES DE RIESGO Y CÁLCULO DE PRIMAS MEDIANTE TÉCNICAS DE APRENDIZAJE Insttuto de Cencas del Seguro FACTORES DE RIESGO Y CÁLCULO DE PRIMAS MEDIANTE TÉCNICAS DE APRENDIZAJE Carlos Bousoño Calzón Antono Heras Martínez Pedad Tolmos Rodríguez-Pñero FUNDACIÓN MAPFRE no se hace

Más detalles

Smoothed Particle Hydrodynamics Animación Avanzada

Smoothed Particle Hydrodynamics Animación Avanzada Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla

Más detalles

CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE

CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE Resolucón de 3 de juno de 2016, por la que se establece el proyecto educatvo nsttuconal denomnado JOSCAN, joven orquesta snfónca para Cantabra. Ley de Cantabra

Más detalles

Postgrado. Ingeniería

Postgrado. Ingeniería Postgrado Ingenería Experto en Bg data Data analytcs Bases de datos NoSQL Hadoop Map/Reduce Dseño de modelo de datos Integracón con Data Warehouse Busness ntellgence Knowledge dscovery Proceso masvo de

Más detalles

Planificación de la Operación de Corto Plazo de Sistemas de Energía Hidroeléctrica

Planificación de la Operación de Corto Plazo de Sistemas de Energía Hidroeléctrica Planfcacón de la Operacón de Corto Plao de Sstemas de Energía Hdroeléctrca João P. Catalão 1, Sílvo J. Marano 1, Vctor M. Mendes 2 y Luís A. Ferrera 3 (1) Unversdad Bera Interor. Dpto. de Ingenaría Electromecánca.

Más detalles

Profesor: Rafael Caballero Roldán

Profesor: Rafael Caballero Roldán Contendo: 5 Restrccones de ntegrdad 5 Restrccones de los domnos 5 Integrdad referencal 5 Conceptos báscos 5 Integrdad referencal en el modelo E-R 53 Modfcacón de la base de datos 53 Dependencas funconales

Más detalles

UNIDAD 4. PRESUPUESTO DE VENTAS.

UNIDAD 4. PRESUPUESTO DE VENTAS. UNIDAD 4. PRESUPUESTO DE VENTAS. OBJETIVOS. 1. Dar a entender al estudante la mportanca prmordal del presupuesto de ngresos dentro de una empresa u organzacón. 2. Enseñar lo que realmente comprende un

Más detalles

Jordi Esteve Comas. Monográfico sobre inestabilidad financiera.

Jordi Esteve Comas. Monográfico sobre inestabilidad financiera. Jord Esteve Comas Cclos, tendencas y estaconaldad en la bolsa española Monográfco sobre nestabldad fnancera. Quaderns de Polítca Econòmca. Revsta electrònca. 2ª época. Vol. 10, Mayo -Agosto 2005 Edta:

Más detalles

Submicrométricas Ópticas

Submicrométricas Ópticas Estmacón n de la Dstrbucón n de Tamaños de Partículas Submcrométrcas de Látex L por Técncas T Óptcas Lus M. Guglotta, Georgna S. Stegmayer, Jorge R. Vega Santa Fe (ARGENTINA) Septembre de 007 Unversdad

Más detalles

Estimación del consumo diario de gas a partir de lecturas periódicas de medidores

Estimación del consumo diario de gas a partir de lecturas periódicas de medidores Nota técnca Estmacón del consumo daro de gas a partr de lecturas peródcas de meddores Por Salvador Gl, Gerenca de Dstrbucón del Enargas, A. azzn, Gas Natural Ban y R. Preto, Gerenca de Dstrbucón del Enargas

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón

Más detalles

Análisis de Sistemas Multiniveles de Inventario con demanda determinística

Análisis de Sistemas Multiniveles de Inventario con demanda determinística 7 Congreso Naconal de Estadístca e Investgacón Operatva Lleda, 8- de abrl de 00 Análss de Sstemas Multnveles de Inventaro con demanda determnístca B. Abdul-Jalbar, J. Gutérrez, J. Scla Departamento de

Más detalles

Índice de Precios de Consumo. Base 2011

Índice de Precios de Consumo. Base 2011 NSTTUTO NACONAL DE ESTADÍSTCA Índce de Precos de Consumo. Base 2011 Metodología Subdreccón General de Estadístcas Coyunturales y de Precos Madrd, mayo 2012 1 Índce 1. ntroduccón 2. Defncón del ndcador

Más detalles

Estimación de la Demanda: Pronósticos

Estimación de la Demanda: Pronósticos UNIVERSIDAD SIMON BOLIVAR Estmacón de la Demanda: Pronóstcos PS-4161 Gestón de la Produccón I 1 Bblografía Recomendada Título: Dreccón de la Produccón: Decsones Estratégcas. Capítulo 4: Prevsón Autores:

Más detalles

Cifrado de imágenes usando autómatas celulares con memoria

Cifrado de imágenes usando autómatas celulares con memoria Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano

Más detalles

YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL

YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL 27 Congreso Naconal de Estadístca e Investgacón Operatva Lleda, 8- de abrl de 2003 YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL J. Guad, J. Larrañeta, L. Oneva Departamento de Organzacón Industral

Más detalles

Índice de Precios de Consumo. Base 2006

Índice de Precios de Consumo. Base 2006 NSTTUTO NACONAL DE ESTADÍSTCA Índce de Precos de Consumo. Base 2006 Metodología Madrd, Subdreccón General de Estadístcas de Precos y Presupuestos Famlares Índce 1. ntroduccón 2. Defncón del ndcador 3.

Más detalles

Índice de Precios de las Materias Primas

Índice de Precios de las Materias Primas May-15 Resumen Ejecutvo El objetvo del (IPMP) es sntetzar la dnámca de los precos de las exportacones de Argentna, consderando la relatva establdad en el corto plazo de los precos de las ventas externas

Más detalles

EN ALGUNOS CASOS SERA NECESARIO QUE LOS CANDIDATOS SE SOMETAN A DETERMINADAS PRUEBAS PARA COMPROBAR CIERTO CONOCIMIENTO Y HABILIDAD EN MATERIAS

EN ALGUNOS CASOS SERA NECESARIO QUE LOS CANDIDATOS SE SOMETAN A DETERMINADAS PRUEBAS PARA COMPROBAR CIERTO CONOCIMIENTO Y HABILIDAD EN MATERIAS MANUAL DE RECLUTAMENTO EDUCAT 1 VA - PRUEBAS TECNCAS EN ALGUNOS CASOS SERA NECESARO QUE LOS CANDDATOS SE SOMETAN A DETERMNADAS PRUEBAS PARA COMPROBAR l CERTO CONOCMENTO Y HABLDAD EN MATERAS TECNCO-PRACTCAS

Más detalles

RA 1. Elabora el plan de marketing digital internacional diseñando las políticas específicas que han de desarrollarse.

RA 1. Elabora el plan de marketing digital internacional diseñando las políticas específicas que han de desarrollarse. Módulo Profesonal: Comerco dgtal nternaconal. Equvalenca en crédtos ECTS: 4 Códgo: 0827 Resultados de aprendzaje y crteros de evaluacón. RA 1. Elabora el plan de marketng dgtal nternaconal dseñando las

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media es la suma de todas las observaciones dividida por el tamaño de la muestra. Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,

Más detalles

DESPACHO DE CARGA ORIENTADO A EVENTUAL SEPARACIÓN EN ISLAS

DESPACHO DE CARGA ORIENTADO A EVENTUAL SEPARACIÓN EN ISLAS UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEARTAMENTO DE INGENIERÍA ELÉCTRICA DESACHO DE CARGA ORIENTADO A EVENTUAL SEARACIÓN EN ISLAS MEMORIA ARA OTAR AL TÍTULO DE INGENIERO CIVIL

Más detalles

INVIRTIENDO EN PUBLICIDAD: ESTRATEGIAS DE LAS EMPRESAS DEL SECTOR COMERCIAL ECUATORIANO

INVIRTIENDO EN PUBLICIDAD: ESTRATEGIAS DE LAS EMPRESAS DEL SECTOR COMERCIAL ECUATORIANO ESCUELA SUPERIOR POLITECNICA DEL LITORAL INSTITUTO DE CIENCIAS HUMANISTICAS Y ECONOMICAS INVIRTIENDO EN PUBLICIDAD: ESTRATEGIAS DE LAS EMPRESAS DEL SECTOR COMERCIAL ECUATORIANO Resumen: Las decsones de

Más detalles

CUADRIENIO 2011 2014

CUADRIENIO 2011 2014 INFORME TÉCNICO PEAJE POR USO DE INSTALACIONES DE TRANSMISIÓN ADICIONAL POR PARTE DE USUARIOS SOMETIDOS REGULACIÓN DE PRECIOS QUE SE CONECTAN DIRECTAMENTE DESDE INSTALACIONES ADICIONALES CUADRIENIO 2011

Más detalles

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID DELTA MATE OMAÓN UNETAA / Gral. Ampuda, 6 8003 MADD EXÁMEN NTODUÓN A LA ELETÓNA UM JUNO 008 El examen consta de ses preguntas. Lea detendamente los enuncados. tene cualquer duda consulte al profesor. Todas

Más detalles

LABORATORIO REMOTO DE INSTRUMENTACIÓN ELECTRÓNICA

LABORATORIO REMOTO DE INSTRUMENTACIÓN ELECTRÓNICA LABORATORIO REMOTO DE INSTRUMENTACIÓN ELECTRÓNICA M. A. Domínguez, J. M. Carrllo, J. A. Fernández and R. Pérez-Aloe Abstract En la actualdad exste un gran nterés a nvel mundal por la educacón a dstanca

Más detalles

EL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO

EL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO EL IMPACTO DE BASILEA III EN EL NEGOCIO FINANCIERO RDF RskDynamcs ntothefuture: Software para determnar el efecto que se produce sobre el balance en escenaros macroeconómcos Ramon Tras Fundador y Presdente

Más detalles

Algunos métodos de clasificación de puestos de trabajo en la empresa

Algunos métodos de clasificación de puestos de trabajo en la empresa lgunos métodos de clasfcacón de puestos de trabajo en la empresa. lgunos métodos de clasfcacón de puestos de trabajo en la empresa Canós Darós, Lourdes, loucada@omp.upv.es Pers Ortz, Marta, marpeor1@omp.upv.es

Más detalles

Representación de páginas web a través de sus enlaces y su aplicación a la recuperación de información.

Representación de páginas web a través de sus enlaces y su aplicación a la recuperación de información. Representacón de págnas web a través de sus enlaces y su aplcacón a la recuperacón de nformacón. José Lus Alonso Berrocal (berrocal@gugu.usal.es) Carlos G. Fguerola (fgue@gugu.usal.es) Ángel Francsco Zazo

Más detalles

2 Criterios generales aplicados a las estructuras de hormigón

2 Criterios generales aplicados a las estructuras de hormigón ANEJO 7 ÍNDICE DE CONTRIBUCIÓN DE LA ESTRUCTURA A LA SOSTENIBILIDAD Consderacones generales El proyecto, la ejecucón y el mantenmento de las estructuras de hormgón consttuyen actvdades, enmarcadas en el

Más detalles

EXISTE ALGÚN SISTEMA DE FIDELIZACIÓN MÁS SENCILLO?

EXISTE ALGÚN SISTEMA DE FIDELIZACIÓN MÁS SENCILLO? www. t r ama. es Bar c el ona936911051-madr d916666800-val enc a963847453 Gr anada958411728-sev l l a954906725-reus977771245-val l adol d983354755 Sstema NEXIS No. Tj.: 000012 Total Puntos: 5,00 --- ACUMULACION

Más detalles

Presentación. Carmen Alcaide Guindo Presidenta del INE

Presentación. Carmen Alcaide Guindo Presidenta del INE Presentacón El Índce de Precos de Consumo (PC), base 20, es el punto de partda de una nueva forma de concebr este ndcador, cuya característca prncpal es su rápda adaptacón a los cambos de la economía y,

Más detalles

Télématique ISSN: 1856-4194 jcendros@urbe.edu Universidad Privada Dr. Rafael Belloso Chacín Venezuela

Télématique ISSN: 1856-4194 jcendros@urbe.edu Universidad Privada Dr. Rafael Belloso Chacín Venezuela Télématque ISSN: 1856-4194 jcendros@urbe.edu Unversdad Prvada Dr. Rafael Belloso Chacín Venezuela García, Rosa Carolna; Rojas, Lus Evaluacón de tráfco de voz y datos en las redes celulares Télématque,

Más detalles

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA ELECTRICA

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA ELECTRICA UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA ELECTRICA INCORPORACION DE LOS CONJUNTOS DIFUSOS PARA MODELAR INCERTIDUMBRES EN LOS SISTEMAS ELECTRICOS DE POTENCIA

Más detalles

9. Mantenimiento de sistemas de dirección y suspensión

9. Mantenimiento de sistemas de dirección y suspensión 9. Mantenmento de sstemas de dreccón y suspensón INTRODUCCIÓN Este módulo de 190 horas pedagógcas tene como propósto que los y las estudantes de cuarto medo desarrollen competencas relatvas a los sstemas

Más detalles

Diseño y Análisis de Experimentos en el SPSS 1

Diseño y Análisis de Experimentos en el SPSS 1 Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se

Más detalles