Obtención de mapas de similitud sísmica 2D mediante redes neuronales Oscar Rondón*, PDVSA-Intevep, y Rafael Banchs, PDVSA -Intevep

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Obtención de mapas de similitud sísmica 2D mediante redes neuronales Oscar Rondón*, PDVSA-Intevep, y Rafael Banchs, PDVSA -Intevep"

Transcripción

1 Obtencón de mapas de smltud sísmca 2D medante redes neuronales Oscar Rondón, PDVSA-Intevep, y Rafael Banchs, PDVSA -Intevep Resumen El desarrollo de metodologías para obtener e ntegrar nformacón de múltples atrbutos es de vtal mportanca para la caracterzacón de yacmentos. En partcular durante la fase exploratora, cuando no se cuenta con sufcente nformacón de pozos, la nformacón sísmca es una fuente de nformacón valosa para la toma de decsones. En este artículo se presenta una metodología basada en el estudo de patrones medante redes neuronales de Kohonen, para obtener mapas de smltud utlzando múltples atrbutos sísmcos que permten detectar zonas sísmcamente smlares a un punto de referenca o de control, que puede ser, por eemplo, un pozo con buena produccón de petróleo. Summary The development of methodologes for obtanng and ntegratng nformaton of multple sesmc attrbutes consttutes an ssue of great mportance n reservor characterzaton and for exploraton geophyscsts, who do not have enough well nformaton. Then, sesmc nformaton becomes very valuable. Ths work presents a methodology for computng smlarty maps, from multple sesmc attrbutes, based on pattern recognton by usng Kohonen neural networks. Ths methodology allows to dentfy regons wth smlar sesmc propertes to a predefned reference locaton of nterest, as for example, a good producer well. Introduccón La extraccón de nformacón de los datos sísmcos para ser utlzada en la caracterzacón y explotacón de yacmentos se ha convertdo en un área muy actva durante los últmos años. En partcular, se ha observado un ncremento sustancal en la aplcacón y generacón de dversos atrbutos sísmcos, los cuales combnados con nformacón de alta resolucón, como los regstros de pozos e nformacón de núcleos, contrbuyen a meorar la caracterzacón del yacmento bao estudo (Brown, 1996), (Gastald et al, 1997), (Lawrence, 1998), (Pennngton, 1997), (Russel et al, 1997). Cuando no se dspone de una cantdad sufcente de nformacón de pozos, como por eemplo durante la fase exploratora, la nformacón sísmca puede ser utlzada para detectar zonas con respuesta sísmca smlar a un punto de control o punto de referenca, que puede ser un pozo seco o buen productor. Esta es la dea fundamental que radca en el análss de smltud desarrollado por Mchelena et al. (1998). En este artículo se presenta una breve revsón del análss de smltud propuesto por Mchelena et al. (1998), ndcando certas desventaas de la metodología y se propone una metodología análoga, basada en el uso de redes neuronales de Kohonen (Haykn, 1994; Kohonen, 1988), que no presenta las desventaas de la metodología orgnal. Mapas de smltud El resultado fnal del análss de smltud propuesto por Mchelena et al. (1998) es un mapa donde a cada x, y se le asgna el valor de smltud con coordenada ( ) respecto al punto de control. A partr de N mapas de atrbutos sísmcos ndependentes, la metodología para obtener dcho valor de smltud se puede resumr en 3 pasos, que se descrben a contnuacón: a) Obtencón de la respuesta sísmca en el punto de referenca P. Esta consste en el cálculo de la meda y la varanza de cada atrbuto en una vecndad del punto de control o punto de referenca P. De esta forma, al contar con N atrbutos se obtendrán N valores m ( P) que representan las medas de cada uno de los atrbutos en una vecndad del punto de referenca, a partr de las cuales se obtenen los N valores σ ( P) que corresponden a la desvacón estándar de cada uno de los atrbutos en dcha vecndad. Este proceso se muestra en la fgura 1. Los valores m (P) y σ ( P) con = 1, 2, Κ, N se consderan como la respuesta sísmca en el punto de referenca P. b) Obtencón de la respuesta sísmca en el punto obetvo P '. Cada punto P ' = ( x', y' ) de cada uno de los mapas de atrbutos se consdera un punto obetvo, al cual se le asocará un valor de smltud respecto al punto de control P de acuerdo a la respuesta sísmca obtenda en él. La respuesta sísmca en cada punto obetvo se obtene como se ndcó para el caso del punto de control. De esta forma se obtenen los valores m ( P' ) = 1, 2, Κ, N que representan el valor promedo de cada uno de los atrbutos en una vecndad del punto obetvo.

2 Obtencón de mapas de smltud sísmca medante redes neuronales c) Determnacón y asgnacón del valor de smltud respecto al punto de referenca. S en el punto obetvo P' del atrbuto se verfca que: ( P) σ ( P) < m ( P' ) < m ( P) + σ ( P) (1) m entonces al punto obetvo P' del atrbuto se le asgna el valor 1, en caso contraro se le asgna el valor 0. Este procedmento se realza en cada uno de los puntos de cada uno de los mapas de atrbutos. De esta forma se obtenen N mapas con valores bnaros 0 ó 1. Estos reflean s la respuesta sísmca en el punto obetvo es smlar a la respuesta sísmca en el punto de control (valor gual a 1) o no (valor gual a 0) con base en el crtero determnado por la ecuacón (1). Concludos los pasos anterores, el mapa de smltud se obtene smplemente sumando cada uno de los N mapas generados en el paso c). La fgura 2 muestra un eemplo de un mapa de smltud. En este los puntos con valores guales a N ndcan que en todos los N mapas de atrbutos dchos puntos resultaron smlares al punto de referenca según el crtero dado por la ecuacón (1). Análogamente, puntos con valores guales a cero ndcan que en nnguno de los N mapas dchos puntos resultaron smlares al punto de control. Es así como el mapa de smltud es un resumen de la smltud sísmca respecto a un punto de referenca tomando en cuenta N atrbutos sísmcos. Cuando cada valor en el mapa de smltud es dvddo por N, se obtene una escala de valores entre 0 y 1, donde el valor cero ndca que el punto es completamente dsíml respecto al punto de referenca o control y el valor 1 ndca completa smltud. En lo sucesvo se utlzará esta forma del mapa de smltud. La prncpal lmtacón del método descrto es quzás el crtero de asgnacón del valor de smltud con respecto al punto de referenca o control dado por la ecuacón (1), debdo a la rgdez del msmo. Con éste, un punto obetvo se clasfca smplemente como síml o no respecto al punto de control. En consecuenca es posble obtener en un mapa de smltud puntos próxmos con valores de smltud completamente opuestos, lo que contrasta por eemplo con la contnudad geológca. De gual manera, puede ocurrr que valores de la respuesta sísmca en el punto obetvo que dferan por una cantdad desprecable del crtero dado por (1), sean asgnados como completamente dsímles cuando en realdad no lo son N N N N N N N N N N 5 N Fg. 2 Eemplo de un mapa de smltud Atrbuto 1 Atrbuto 2 Atrbuto N Punto de referenca P ( P) m σ 1 ( P) 1 ( P) m σ 2 ( P) 2 ( P) m σ N ( P) N Fg. 1 Cálculo de la respuesta sísmca en el punto de referenca para la obtencón del mapa de smltud Al estudar los pasos requerdos para la generacón del mapa de smltud, se observa que al punto de control o referenca P se le asoca un patrón dado por los valores m P con = 1, 2, Κ, N, el cual se compara con el ( ) patrón en el punto obetvo ' dado por los valores m P' con = 1, 2, Κ, N, utlzando la ecuacón (1) para determnar el valor de smltud. En consecuenca, el patrón en el punto obetvo se consdera smlar al patrón en el punto de referenca s verfca la ecuacón (1) y dsíml en caso contraro. Desde este punto de vsta de comparacón y estudo de patrones, el uso de redes neuronales puede meorar sgnfcatvamente la obtencón del valor de smltud entre el punto obetvo y el punto de referenca, al cambar el crtero dado por la ecuacón (1) por un crtero de dstanca adaptado al estudo de patrones. La metodología que se propone en este artículo se basa en el uso de redes neuronales de Kohonen (Haykn, 1994), (Kohonen, 1988), las cuales se descrben a contnuacón, para posterormente mostrar su aplcacón a la obtencón de mapas de smltud.. P ( )

3 Obtencón de mapas de smltud sísmca medante redes neuronales Redes neuronales de Kohonen Las redes neuronales de Kohonen son un caso partcular de redes neuronales auto-organzadas (Haykn, 1994). Estas están formadas por una sere de neuronas, generalmente dspuestas en un arreglo de una dmensón o dos dmensones, que recben cada una la nformacón de un patrón de entrada N dmensonal V = ( V1, V 2, Κ, V N ). A su vez, cada neurona posee un vector, denomnado vector de pesos W = ( W1, W2, Κ,W N ) snáptcos, que durante la fase de entrenamento de la red se actualzan según la regla de aprendzae desarrollada por Kohonen (Haykn, 1994). Esta consste báscamente en los pasos sguentes: a) Determnar la neurona para la cual la dstanca entre el vector de pesos snáptcos y el patrón de entrada es mínma. de sus vectores de pesos snáptcos, ha capturado aquellos patrones más sgnfcatvos presentes en los datos de entrada. La fgura 3 muestra una red de Kohonen undmensonal con 3 neuronas que recben la nformacón de un patrón de entrada con N = 2. Mapas de smltud medante redes de Kohonen Consdérese N mapas de atrbutos sísmcos de M puntos P = x, y = 1, 2, Κ cada uno. En cada punto ( ) M se pueden obtener los valores m ( P ) con = 1, 2, Κ, N, Esta neurona se denomna la neurona ganadora y se denota por. En consecuenca el vector de pesos snáptcos W satsface para d W V d ( W V,, ) todo, donde d( ο,ο ) es el operador de dstanca, el cual usualmente corresponde a la dstanca euclídea. Al nco de la fase de entrenamento, los vectores de pesos snáptcos se ncalzan con valores aleatoros, generalmente en [-1,1], y luego se van actualzando como se ndca en el paso sguente. V 1 V 2 W 11 W 21 W 12 W 22 W 13 W 23 b) Actualzacón del vector de pesos snáptcos de la neurona ganadora y sus vecnas. Para proceder a la actualzacón de los vectores de pesos snáptcos se defne prevamente una vecndad Λ alrededor de la neurona ganadora y se procede a actualzar el vector de pesos snáptcos de todas las neuronas en dcha vecndad, asgnando como nuevo valor W +η V W ] donde η es la tasa de aprendzae. [ Esta regla de actualzacón smplemente establece que la neurona ganadora unto con sus vecnas son recompensadas hacendo que sus vectores de pesos snáptcos se parezcan a V. Es esta característca la que converte a las redes de Kohonen en una herramenta deal para detectar patrones en los datos obeto de estudo. Los pasos anterores se repten teratvamente utlzando todos los patrones de entrada V hasta que no se observe un cambo sustancal en la actualzacón de los vectores de pesos snáptcos, lo que ndca la fnalzacón de la etapa de entrenamento de la red. En este momento la red, a través Fg. 3. Eemplo de una red de Kohonen con 3 neuronas para estudar patrones de entrada bdmensonales. y de esta forma construr M vectores o patrones de V = m P m P, Κ, m P. Estos son lo entrada ( ( ) ( ) ( ) 1, 2 que se utlzarán para el entrenamento de la red. Así, los pasos a segur para la obtencón de mapas de smltud medante redes neuronales de Kohonen son: a) Defnr el número K de neuronas de la red e ncalzar los vectores de pesos snáptcos W = W W, Κ, W = 1, 2,. ( ) K 1, 2 N Κ, b) Realzar el entrenamento de la red sguendo la regla de aprendzae de Kohonen ndcada anterormente. c) Calcular el patrón de referenca del punto P respecto al cual se quere obtener el mapa de smltud. Dcho patrón está dado por el vector V = m P m P, m P. ( ( ) ( ) ( )) P 1, 2 Κ, N N

4 Obtencón de mapas de smltud sísmca medante redes neuronales d) Presentar el patrón V a la red y determnar la y su vector de pesos snáptcos. Luego, se asgna el valor de smltud de un neurona ganadora W punto obetvo punto P como el valor dado por 1 d ( V d ( V, V P P = 1, 2, Κ, M, W ) + d ( W ), W ) con respecto al = 1, 2, Κ, M son completamente dsímles a éste y parecdas al punto de control P2. De manera análoga, al consderar el punto de referenca P3 se detectan muchas zonas símles a éste en el mapa. Las fguras 4b y 4c muestran los mapas de smltud respecto al punto de referenca P1 sguendo la metodología propuesta, en la cual se consderó una red neuronal de Kohonen con K = 1000 neuronas N = 1, M = y se realzaron 5000 teracones, y la metodología orgnal respectvamente. respectvamente. Es mportante observar en los pasos descrtos anterormente que el entrenamento de la red se realza sólo una vez y úncamente con los patrones V. Posteror a esto, se pueden generar dversos mapas de smltud con respecto a dstntos puntos de referenca o control, smplemente reptendo los pasos c) y d) antes ndcados. Asmsmo, no exste una regla unversal para escoger el valor K. Sn embargo, este no debe ser pequeño puesto que está asocado al número de patrones que es capaz de reconocer la red. Cuando este valor es muy grande sólo se ncrementa el tempo de cómputo, pero se garantza la deteccón de los patrones, lo cual revste mayor mportanca. a) b) Casos de estudo A contnuacón se presentan 2 casos de estudos en los que se generaron mapas de smltud medante una red neuronal de Kohonen y se comparan con los mapas de smltud obtendos medante la metodología orgnal. El prmero corresponde a un conunto de datos sntétcos mentras que el segundo corresponde a un conunto de datos del Campo Barúa-Motatán, estudados en (Henríquez et al., 2001). c) Eemplo sntétco Con el obetvo de probar la metodología propuesta, se generó un conunto de datos sntétcos en el que se pudera determnar vsualmente las zonas que resultan smlares a un punto de control o referenca dado. Para ello, se generó un mapa de puntos medante una smulacón secuencal gaussana (Chles y Delfner, 1999) y dcho mapa se consderó como la nformacón de un mapa de un atrbuto. En este se escogeron 3 puntos P1, P2 y P3 que representan 3 puntos de control o referenca. La fgura 4a muestra el mapa unto con los 3 puntos antes menconados. Se observa que las zonas en color roo son parecdas o símles al punto P1, mentras que las zonas en color azul Fg. 4. a) Mapa de datos sntétcos. b) Mapa de smltud respecto a P1 sguendo la metodología de redes de Kohonen y c) medante la metodología orgnal. Se observa como el mapa de smltud sguendo la metodología propuesta dentfca las zonas smlares al punto P1 mentras que el mapa de smltud obtendo sguendo la metodología orgnal obva algunas zonas, por eemplo la próxma a las coordenadas (65,85). Asmsmo, el mapa de smltud basado en la redes de Kohonen presenta valores contnuos de smltud. Es decr, puntos vecnos poseen valores de smltud próxmos, lo

5 Obtencón de mapas de smltud sísmca medante redes neuronales cual no ocurre en el mapa de smltud obtendo sguendo la metodología orgnal. Puede observarse tambén en la fgura 4b que las zonas smlares al punto P2 se muestran como completamente dsímles al punto P1 y que las zonas smlares a P3 poseen valores promedos de smltud, lo cual no se observa en el mapa de smltud obtendo medante la metodología orgnal. Eemplo con datos reales En esta seccón se muestra la comparacón de un mapa de smltud basado en la metodología orgnal y el obtendo medante la red neuronal de Kohonen con datos de 4 atrbutos sísmcos en un campo del occdente de Venezuela. Los atrbutos corresponden a Average nstantaneous ampltude, RMS, maxmum peak ampltude y average vbraton energy, cada uno con un total de puntos. Dchos atrbutos fueron estudados y utlzados por Henríquez et al. (2001) para la generacón de mapas de smltud sguendo la metodología orgnal. El nterés radca en realzar un análss de smltud sísmca respecto al pozo A cuyo valor de arena neta petrolífera es muy alto. Para este caso la confguracón de la red de Kohonen fue de K = 5000 neuronas, N = 4, M = y se realzaron teracones. Las fguras 5a y 5b muestran los mapas de smltud utlzando la metodología propuesta y la metodología orgnal respectvamente. Se observa en la fgura 5 que el mapa de smltud obtendo utlzando la red neuronal de Kohonen dentfca las zonas de alta smltud observadas en el mapa de smltud obtendo medante la metodología orgnal. Más aún, muestra dversas zonas con valores altos de smltud que no se muestran en éste últmo. De gual manera, es mportante observar que zonas clasfcadas como completamente dsímles en el mapa de smltud obtendo medante la metodología orgnal tenen valores ntermedos de smltud en el mapa de smltud obtendo medante la red neuronal. En consecuenca, se pueden detectar zonas que puderan ser obeto de mayor estudo debdo a los valores de smltud consegudos con el nuevo método que con el anteror quedarían descartadas. smltud, ya que no es de carácter bnaro como la metodología de mapas de smltud orgnal. Esta nueva metodología fue probada en un eemplo controlado de datos sntétcos, en el cual el mapa de smltud generado según ésta resultó superor al obtendo medante la metodología orgnal, al dentfcar correctamente las zonas smlares a un punto de control, mentras que el mapa de smltud obtendo medante la metodología orgnal presentaba errores en esta clasfcacón. La metodología propuesta se utlzó tambén con datos reales de 4 atrbutos sísmcos del campo estudado y los resultados se compararon con el mapa de smltud obtendo medante la metodología orgnal con este conunto de datos. En este caso la metodología propuesta dentfca zonas de alta smltud que no se muestran claramente en el mapa de smltud obtendo medante la metodología orgnal. a) b) Fg. 5. a) Mapa de smltud respecto al pozo A sguendo la metodología de redes de Kohonen y b) medante la metodología orgnal utlzando 4 atrbutos sísmcos en el campo consderado. Conclusones En este artículo se presentó una metodología basada en el uso de redes neuronales de Kohonen para generar mapas de smltud utlzando múltples atrbutos sísmcos. Dcha metodología permte obtener una varacón contnua de los valores de smltud al meorar la asgnacón del grado de Agradecmentos Nuestro agradecmento a Neves Henríquez de por los datos sísmcos sumnstrados para el estudo con datos reales; y a PDVSA- Intevep por el permso para publcar los resultados obtendos.

6 Obtencón de mapas de smltud sísmca medante redes neuronales Referencas Brown, A. Sesmc Attrbutes and Ther Classfcaton. The Leadng, Edge, October Chlès, J. Delfner, P. Geostatstcs. Modelng Spatal Uncerntanty. John-Wley and songs, 1999 Gastald, Ch. Bguenet, J. Pazzs, L. Reservor Characterzaton from Sesmc Attrbutes.An Example from the Pecko Feld (Indonesa). The Leadng Edge, March 1997 Haykn, S. Neural Networks. A Comprehensve Foundaton. IEEE press, Henríquez, N. Castro, S. Pérez, M. Aplcacón de Técncas de Atrbutos Sísmcos en el Prospecto Horcón. Informe Técnco N INT-8563, PDVSA Intevep Kohonen, T. Self-organzaton and Assocatve Memory. Sprnger Verlag, Lawrence, P. Sesmc Attrbutes n the Characterzaton of Small-Scale Reservor Faults n Abqaq Feld. The Leadng Edge, Aprl Mchelena, R. González, E. Capello, M. Smlarty Analss: A New Tool to Summarze Sesmc Attrbutes Informaton. The Leadng Edge, Aprl Pennngton, W. Sesmc Petrophyscs: An Appled Scence for Reservor Geophyscs. The Leadng Edge, March Russel, B. Hampson, D. Schuelke, J. Quren, J. Multattrbute Sesmc Analyss. The Leadng Edge, October, 1997.

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

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

INSTRUCTIVO No. SP 04 / 2002 INSTRUCTIVO PARA LA DETERMINACIÓN Y CÁLCULO DEL SALARIO BÁSICO REGULADOR

INSTRUCTIVO No. SP 04 / 2002 INSTRUCTIVO PARA LA DETERMINACIÓN Y CÁLCULO DEL SALARIO BÁSICO REGULADOR El Superntendente de Pensones, en el ejercco de las facultades legales contempladas en el artículo 13, lteral b) de la Ley Orgánca de la Superntendenca de Pensones, EMITE el : INSTRUCTIVO No. SP 04 / 2002

Más detalles

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

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

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

Más detalles

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

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

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

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

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

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

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

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

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

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17 Procesamento Dgtal de mágenes Pablo Roncaglolo B. Nº 7 Orden de las clases... CAPTURA, DGTALZACON Y ADQUSCON DE MAGENES TRATAMENTO ESPACAL DE MAGENES TRATAMENTO EN FRECUENCA DE MAGENES RESTAURACON DE MAGENES

Más detalles

MÉTODOS PARA PROBAR NUMEROS

MÉTODOS PARA PROBAR NUMEROS Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

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

COMPARADOR CON AMPLIFICADOR OPERACIONAL

COMPARADOR CON AMPLIFICADOR OPERACIONAL COMAADO CON AMLIFICADO OEACIONAL COMAADO INESO, COMAADO NO INESO Tenen como msón comparar una tensón arable con otra, normalmente constante, denomnada tensón de referenca, dándonos a la salda una tensón

Más detalles

III. <<Insertar Cita>> <<Autor>>

III. <<Insertar Cita>> <<Autor>> Capítulo III Vsón III 3.1 Procesamento de Imágenes Se entende por procesamento de mágenes a la alteracón y análss de la normacón gráca. 3.1.1 Sstema de vsón humano El sstema

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

Segmentación de Imágenes mediante Reconocimiento de Patrones

Segmentación de Imágenes mediante Reconocimiento de Patrones Equaton Chapter 1 Secton 1 Materal del Curso Segmentacón de Imágenes medante Reconocmento de Patrones Ing. Dego Sebastán Comas Dr. Gustavo Javer Meschno Curso: Segmentacón de Imágenes medante Reconocmento

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

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

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

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo

1. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA. Definición del álgebra geométrica del espacio-tiempo EL ÁLGEBRA GEOMÉTRICA DEL ESPACIO Y TIEMPO. GENERALIDADES DEL ÁLGEBRA GEOMÉTRICA Defncón del álgebra geométrca del espaco-tempo Defno el álgebra geométrca del espaco y tempo como el álgebra de las matrces

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

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

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

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

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

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

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

Algoritmo para la ubicación de un nodo por su representación binaria

Algoritmo para la ubicación de un nodo por su representación binaria Título: Ubcacón de un Nodo por su Representacón Bnara Autor: Lus R. Morera González En este artículo ntroducremos un algortmo de carácter netamente geométrco para ubcar en un árbol natural la representacón

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

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles 2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

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

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos) PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón

Más detalles

AMPLIFICADORES CON BJT.

AMPLIFICADORES CON BJT. Tema 5 MPLIFICDORES CON BJT..- Introduccón...- Prncpo de Superposcón...- Nomenclatura..3.- Recta de Carga Estátca..4.- Recta de Carga Dnámca..- Modelo de pequeña señal del BJT...- El cuadrpolo y el modelo

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

EQUILIBRIO LÍQUIDO VAPOR EN UN SISTEMA NO IDEAL

EQUILIBRIO LÍQUIDO VAPOR EN UN SISTEMA NO IDEAL EQUILIBRIO LÍQUIDO VAPOR EN UN SISTEMA NO IDEAL OBJETIVO El alumno obtendrá el punto azeotrópco para el sstema acetona-cloroformo, calculará los coefcentes de actvdad de cada componente a las composcones

Más detalles

El clasificador Naïve Bayes en la extracción de conocimiento de bases de datos

El clasificador Naïve Bayes en la extracción de conocimiento de bases de datos El clasfcador Naïve Bayes en la extraccón de conocmento de bases de datos Samuel D. acheco Leal, Lus Gerardo Díaz Ortz, Rodolfo García Flores osgrado en Ingenería de Sstemas, FIME-UANL samuel@yalma.fme.uanl.mx

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

Leyes de tensión y de corriente

Leyes de tensión y de corriente hay6611x_ch03.qxd 1/4/07 5:07 PM Page 35 CAPÍTULO 3 Leyes de tensón y de corrente CONCEPTOS CLAVE INTRODUCCIÓN En el capítulo 2 se presentaron la resstenca así como varos tpos de fuentes. Después de defnr

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

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

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

ADENDA 008 LICITACIÓN L-CEEC-001-12

ADENDA 008 LICITACIÓN L-CEEC-001-12 ADENDA 008 LICITACIÓN L-CEEC-001-12 OBJETO: CONTRATACIÓN DE LA CONSTRUCCIÓN DE LA FASE I DEL RECINTO FERIAL, DEL CENTRO DE EVENTOS Y EXPOSICIONES DEL CARIBE PUERTA DE ORO POR EL SISTEMA DE ECIOS UNITARIOS

Más detalles

Cuantificación Vectorial con base en Memorias Asociativas

Cuantificación Vectorial con base en Memorias Asociativas Cuantfcacón Vectoral con base en Memoras Asocatvas Enrque Guzmán Ramírez Insttuto de Electrónca y Computacón (953) 53 2 03 99 Ext. 200 eguzman@mxteco.utm.mx Resumen El presente trabao descrbe un nuevo

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

Procedimiento de Calibración. Metrología PROCEDIMIENTO DI-010 PARA LA CALIBRACIÓN DE COMPARADORES MECÁNICOS

Procedimiento de Calibración. Metrología PROCEDIMIENTO DI-010 PARA LA CALIBRACIÓN DE COMPARADORES MECÁNICOS Procedmento de Calbracón Metrología PROCEDIMIENTO DI-00 PARA LA CALIBRACIÓN DE COMPARADORES MECÁNICOS La presente edcón de este procedmento se emte exclusvamente en formato dgtal y puede descargarse gratutamente

Más detalles

TEMA 4 Variables aleatorias discretas Esperanza y varianza

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

Más detalles

Clasificación Jerárquica de contenidos Web.

Clasificación Jerárquica de contenidos Web. Clasfcacón Jerárquca de contendos Web. Álvaro Gascón y Marín de la Puente Unversdad Carlos III Madrd 100029648@alumnos.uc3m.es Mguel María Rodríguez Aparco Unversdad Carlos III Madrd 100021447@alumnos.uc3m.es

Más detalles

SISTEMA DE RECONOCIMIENTO DE ROSTROS

SISTEMA DE RECONOCIMIENTO DE ROSTROS SISTEMA DE RECONOCIMIENTO DE ROSTROS Categoría: Pre-grado - Alumno Área Temátca: Ingenería de Sstemas Procesamento Dgtal de Imágenes Autor Sandra María Vlla Palacos Unversdad Peruana de Cencas Aplcadas

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

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

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

SISTEMAS COMBINACIONALES

SISTEMAS COMBINACIONALES Tema 2 SISTEMAS COMBINACIONALES En este tema se estudarán algunas de las funcones combnaconales más utlzadas, las cuales se mplementan en chps comercales Como estas funcones son relatvamente complejas,

Más detalles

Figura 1

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

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

Equilibrio termodinámico entre fases fluidas

Equilibrio termodinámico entre fases fluidas CAPÍTULO I Equlbro termodnámco entre fases fludas El conocmento frme de los conceptos de la termodnámca se consdera esencal para el dseño, operacón y optmzacón de proyectos en la ngenería químca, debdo

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

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

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

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral

Más detalles

SUPPORT VECTOR MACHINE FOR DETECTING TEXTILE DEFECTS, USING FEATURES SPATIAL OF TEXTURE

SUPPORT VECTOR MACHINE FOR DETECTING TEXTILE DEFECTS, USING FEATURES SPATIAL OF TEXTURE ISS: 69-757 - Volumen - úmero 4 - Año 009 Revsta Colombana de SUPPORT VECTOR MACHIE FOR DETECTIG TEXTIE DEFECTS, USIG FEATURES SPATIA OF TEXTURE MÁQUIA DE VECTORES DE SOPORTE PARA A DETECCIÓ DE DEFECTOS

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

4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es

4ºB ESO Capítulo 12: Estadística LibrosMareaVerde.tk www.apuntesmareaverde.org.es 4ºB ESO Capítulo 1: Estadístca 350 Índce 1. POBLACIÓ Y MUESTRA. VARIABLES ESTADÍSTICAS 1.1. POBLACIÓ 1.. MUESTRA 1.3. IDIVIDUO 1.4. VARIABLE ESTADÍSTICA. TABLAS DE FRECUECIAS.1. FRECUECIA ABSOLUTA.. FRECUECIA

Más detalles

Trabajo Especial 2: Cadenas de Markov y modelo PageRank

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

Más detalles

Herramientas para el análisis de mapas aplicadas a la selección de un sitio para la deposición de desechos

Herramientas para el análisis de mapas aplicadas a la selección de un sitio para la deposición de desechos Herramentas para el análss de mapas aplcadas a la seleccón de un sto para la deposcón de desechos Por: C.J. van Westen Department of Earth Resources Surveys, Internatonal Insttute for Geonformaton Scence

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

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

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

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

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

Teléfono: (52)-55-5329-7200 Ext. 2432

Teléfono: (52)-55-5329-7200 Ext. 2432 Sstema de Montoreo Autónomo Basado en el Robot Móvl Khepera Jorge S. Benítez Read 1, Erck Rojas Ramírez 2 y Tonatuh Rvero Gutérrez Insttuto Naconal de Investgacones Nucleares Carretera Méxco-Toluca s/n,

Más detalles

DETERMINACIÓN DEL NIVEL DE PRECIOS PACTADOS EN EL MERCADO DE CONTRATOS Y MITIGACIÓN DE LA VOLATILIDAD EN EL MERCADO ELÉCTRICO MAYORISTA ECUATORIANO

DETERMINACIÓN DEL NIVEL DE PRECIOS PACTADOS EN EL MERCADO DE CONTRATOS Y MITIGACIÓN DE LA VOLATILIDAD EN EL MERCADO ELÉCTRICO MAYORISTA ECUATORIANO DETERMINACIÓN DEL NIVEL DE PACTADOS EN EL MERCADO DE CONTRATOS Y MITIGACIÓN DE LA VOLATILIDAD EN EL MERCADO ELÉCTRICO MAYORISTA ECUATORIANO Galo Nna Análss y Control RESUMEN El obetvo de este trabao es

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Francsco Álvarez González http://www.uca.es/serv/fag/fct/ francsco.alvarez@uca.es Bajo el térmno Estadístca Descrptva

Más detalles

UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES

UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS FORESTALES UNIVERSIDAD AUTÓNOMA CHAPINGO DIVISIÓN DE CIENCIAS ORESTALES USO DE CALC DE OPENOICE EN EL ANÁLISIS DE DISEÑOS EXPERIMENTALES TESIS PROESIONAL QUE COMO REQUISITO PARCIAL PARA OBTENER EL TÍTULO DE: LICENCIADO

Más detalles

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS

CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos

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

Reconocimiento automático de objetos basado en la relación dimensional

Reconocimiento automático de objetos basado en la relación dimensional Reconocmento automátco de objetos basado en la relacón dmensonal Alejandro Israel Barranco Gutérrez 1 y José de Jesús Medel Juárez 2 1 Centro de Investgacón en Cenca Aplcada y Tecnología Avanzada, Calzada

Más detalles

Capítulos 1-3: CAPITALIZACIÓN Y DESCUENTO

Capítulos 1-3: CAPITALIZACIÓN Y DESCUENTO CUESTIONARIO Capítulos 1-3: CAPITALIZACIÓN Y DESCUENTO 1. Cuánto vale una Letra del Tesoro, en tanto por cento de nomnal, s calculamos su valor al 3% de nterés y faltan 5 días para su vencmento? A) 97,2

Más detalles

Tutorial sobre Máquinas de Vectores Soporte (SVM)

Tutorial sobre Máquinas de Vectores Soporte (SVM) Tutoral sobre Máqunas de Vectores Soporte SVM) Enrque J. Carmona Suárez ecarmona@da.uned.es Versón ncal: 2013 Últma versón: 11 Julo 2014 Dpto. de Intelgenca Artcal, ETS de Ingenería Informátca, Unversdad

Más detalles

CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A.

CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. PERÍODO 201-2020 Introduccón Las Bases Técnco Económcas Prelmnares, en

Más detalles

El costo de oportunidad social de la divisa ÍNDICE

El costo de oportunidad social de la divisa ÍNDICE El Costo de Oportundad Socal de la Dvsa El costo de oportundad socal de la dvsa ÍNDICE. INTRODUCCIÓN. EL MARCO TEÓRICO 3. CÁLCULO DEL COSTO DE OPORTUNIDAD SOCIAL DE LA DIVISA 3. Nvel agregado 3. Nvel desagregado

Más detalles

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.

Estas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas. UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas

Más detalles

Economía Computacional Equilibrio General Computado: Descripción de la Metodología. Martín Cicowiez y Luciano Di Gresia

Economía Computacional Equilibrio General Computado: Descripción de la Metodología. Martín Cicowiez y Luciano Di Gresia Economía Computaconal Equlbro General Computado: Descrpcón de la Metodología Martín Ccowez y Lucano D Gresa Trabajo Docente No. 7 Abrl 2004 EQUILIBRIO GENERAL COMPUTADO: DESCRIPCION DE LA METODOLOGIA *

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

ANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:

ANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL: Geografía y Sstemas de Informacón Geográfca (GEOSIG). Revsta dgtal del Grupo de Estudos sobre Geografía y Análss Espacal con Sstemas de Informacón Geográfca (GESIG). Programa de Estudos Geográfcos (PROEG).

Más detalles

Benemérita Universidad Autónoma de Puebla. Facultad de Ciencias de la Computación. Maestría en Ciencias de la Computación

Benemérita Universidad Autónoma de Puebla. Facultad de Ciencias de la Computación. Maestría en Ciencias de la Computación Benemérta Unversdad Autónoma de Puebla Facultad de Cencas de la Computacón Maestría en Cencas de la Computacón Determnacón de Efcenca y Factor de Garantía de un Algortmo Basado en Búsqueda Local para el

Más detalles

Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE Aplcacón de una metodología a partr del Modelo de Elevacón Dgtal ASTER para la estmacón de volúmenes de agua asocados a nundacones en la regón de Paraná, Entre Ríos, Argentna Díaz, Gonzalo 1 2 ; Doyle,

Más detalles

CAPACIDAD DE LAS HOJAS DE CÁLCULO EN EL ANÁLISIS Y OPTIMIZACIÓN DE PROCESOS Y SISTEMAS

CAPACIDAD DE LAS HOJAS DE CÁLCULO EN EL ANÁLISIS Y OPTIMIZACIÓN DE PROCESOS Y SISTEMAS CAPACIDAD DE LAS OJAS DE CÁLCULO EN EL ANÁLISIS Y OPIMIZACIÓN DE PROCESOS Y SISEMAS A. Rvas y. Gómez-Acebo Departamento de Ingenería Mecánca-Área de Ingenería érmca y de Fludos ECNUN - Escuela Superor

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

Segmentación robots móviles en espacios inteligentes utilizando técnicas GPCA y minimización de funciones de energía

Segmentación robots móviles en espacios inteligentes utilizando técnicas GPCA y minimización de funciones de energía Segmentacón robots móvles en espacos ntelgentes utlzando técncas GPCA mnmzacón de funcones de energía Crstna Losada, Manuel Mazo, Sra Palazuelos, Francsco edondo Departamento de Electrónca. Unversdad de

Más detalles

Filtrado de información mediante prototipos borrosos y perfiles basados en criterios de calidad de datos

Filtrado de información mediante prototipos borrosos y perfiles basados en criterios de calidad de datos Fltrado de nformacón medante prototpos borrosos y perfles basados en crteros de caldad de datos Francsco P. Romero 1, Ismael Caballero 2, Jose A. Olvas 1, Eugeno Verbo 2 1 Departamento de Tecnologías y

Más detalles

@wildfire @integra wildfire. Tecnología NeoLIDAR

@wildfire @integra wildfire. Tecnología NeoLIDAR Grupo ntegra wldfre ntegra wldfre Tecnología NeoLIDAR SISTEMA AUTOMÁTICO DE DETECCIÓN PRECOZ DE INCENDIOS FORESTALES Integracones Técncas de Segurdad, S.A. Integra Telecomuncacón, Segurdad y Control, S.A.

Más detalles