Métodos basados en la Intensidad de Dominancia para la ordenación de alternativas en MAUT

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

Download "Métodos basados en la Intensidad de Dominancia para la ordenación de alternativas en MAUT"

Transcripción

1 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN Métodos basados en la ntensdad de onanca para la ordenacón de alternatvas en MAUT A Mateos, A Jénez y E A Aguayo Grupo de Análss de ecsones y Estadístca epartaento de ntelgenca Artfcal Unversdad Poltécnca de Madrd (UPM)

2 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN ÍNCE Análss de ecsones Multatrbuto con precsón 2 Métodos de Ordenacón Basados en la ntensdad de onanca Proceso de ulacón y Análss de Resultados 4 Conclusones A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

3 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN ANÁL E ECONE MULTATRBUTO CON MPRECÓN ETRUCTURACÓN EL PROBLEMA Obetvo global A A X atrbuto = [x, x ] = ALTERNATVA [x, x ] [x n, x n] X n atrbuto n [x n, x n] A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

4 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN PREFERENCA E LO ECORE MOELO ATVO MUTATRBUTO Raffa (982) teart (996) u ( ) u ( ) u ( ) FUNCONE E UTLA u n () u n () u n () PEO [, ] A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

5 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN MOELO ATVO MUTATRBUTO MPRECO [, ] u(a ) u (x ) u ( x ) u ( x ) u ( x ),,, n x x x,,, n A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

6 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN n 2 MÉTOO BAAO EN LA NTENA E OMNANCA adas dos alternatvas A k y A l, la alternatva A k dona A l s 0, sendo el valor ópto del problea de optzacón: u( A sa k OMNANCA ENTRE O ALTERNATVA ) u( A ) u ( x ) l xk xk xk,,, n xl xl xl,,, n k u u (x k ) u (x k ) u (x k ),,,n u (x l ) u (x l ) u (x l ),,,n ( x l ) Matrz de onanca [, ] A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

7 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN MÉTOO E AHN y PARK (2008) Matrz de onanca AP AP2 A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

8 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN PRMER MÉTOO E MATEO Y JMÉNEZ (2009) Matrz de onanca Matrz de u ( Ak ) u( Al ) u( Ak ) u( Al ) ax u( Ak ) u( Al n ) u( A ) u( A ), k l, 0,, s s s 0 0 0, A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

9 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN PRMER MÉTOO E MATEO Y JMÉNEZ (2009) 2 Matrz de k l Ordenar las alternatvas según su valor nconvenentes: No se tene en cuenta la apltud de los ntervalos, 0 2 No se tene en cuenta coo de grande son los extreos de los ntervalos, 0 A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

10 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN EGUNO MÉTOO E MATEO Y JMÉNEZ (2009) A a,a 2 / 2 / 2 Matrz de onanca B b,b 2 stanca entre ntervalos (Tran and ucksten, 2002), a a b b dxdy / 2 / A B xa a yb b 2 2 Matrz de d, d,,0,,0, d,,0, s s s 0 0 0, A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

11 ], [ n W W d 2 * * ) ( ), ( TERCER MÉTOO E MATEO Y JMÉNEZ (200) d ' ' ' ' ' ' ' Matrz de onanca Nueva Matrz de onanca PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN 2 ),,, ( 2 n W ),,, ( * * 2 * * n W olucón ópta obtenda al calcular el valor Vector de Pesos Medos A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

12 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN PROCEO E LA MULACÓN Y ANÁL E REULTAO Realzacón de ulacón Montecarlo Meddas de Efcaca Ht Rato Coefcente de Kendall ulacón Generar atrz de utldades ndvduales Noralzar y elnar alternatvas donadas Generar los Pesos Verdaderos r n r r 0 n rn, n rn rn 2,, r 2 Rankng real de alternatvas Eecutar étodos propuestos y coparar resultados A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

13 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN ANÁL E LO REULTAO Ht Rato precsón = 0,0 C Kendall precsón = 0,0 0,8 0,8 0,6 0,6 0,4 0,4 0,2,,,,, 0 0,,,,, 0 0, 0, 0, 0, 0, 0 0,2,,,,, 0 0,,,,, 0 0, 0, 0, 0, 0, 0 AP MJ MJ2 MJ AP MJ MJ2 MJ A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

14 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN ANÁL E LO REULTAO Ht Rato precsón = 0,0 C Kendall precsón = 0,0 0,8 0,8 0,6 0,6 0,4 0,4 0,2,,,,, 0 0,,,,, 0 0, 0, 0, 0, 0, 0 0,2,,,,, 0 0,,,,, 0 0, 0, 0, 0, 0, 0 AP MJ MJ2 MJ AP MJ MJ2 MJ A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

15 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN ANÁL E LO REULTAO Ht Rato precsón = 0,0 C Kendall precsón = 0,0 0,8 0,8 0,6 0,6 0,4 0,4 0,2,,,,, 0 0,,,,, 0 0, 0, 0, 0, 0, 0 0,2,,,,, 0 0,,,,, 0 0, 0, 0, 0, 0, 0 AP MJ MJ2 MJ AP MJ MJ2 MJ A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

16 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN 4 CONCLUONE e ha deostrado que los étodos para ordenacón de alternatvas propuestos superan los resultados obtendos por el étodo de Ahn y Park (2008) e gual fora, se ha realzado un estudo coputaconal para coparar los étodos presentados con los étodos MAA, MAA-2 y otros exstentes en la lteratura Obtenendo resultados eores o uy cercanos La sa flosofía se está extendendo para los casos donde los pesos son representados coo núeros dfusos (trangulares y trapezodales) y dstrbucones norales A Multatrbuto con precsón 2 M Ordenacón basados P ulacón y Análss de Resultados 4 Conclusones

17 PREENTE Y FUTURO E LA NVETGACÓN EN ECÓN GRACA!

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Unversdad de onora Departamento de Matemátcas Área Económco Admnstratva Matera: Estadístca I Maestro: Dr. Francsco Javer Tapa Moreno emestre: 016-1 Hermosllo, onora, a 17 de 016. Introduccón En la clase

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen

Más detalles

ESTADÍSTICA. x es el cociente entre la frecuencia absoluta del valor

ESTADÍSTICA. x es el cociente entre la frecuencia absoluta del valor el blog de mate de ada: ESTADÍSTICA pág. 1 ESTADÍSTICA La estadístca es la cenca que permte acer estudos de grandes poblacones escogendo sólo un pequeño grupo de ndvduos, lo que aorra tempo y dnero. Poblacón

Más detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

Más detalles

Programación y Métodos Numéricos Interpolación polinómica de de Hermite: PLANTEAMIENTO Y CASO DE PRIMER ORDEN

Programación y Métodos Numéricos Interpolación polinómica de de Hermite: PLANTEAMIENTO Y CASO DE PRIMER ORDEN Prograacón y Métodos Nuércos Interpolacón polnóca de de Herte: PLANTEAMIENTO Y CASO DE PRIMER ORDEN Alfredo López L Bento Carlos Conde LázaroL Arturo Hdalgo LópezL Marzo, 7 Departaento de Mateátca Aplcada

Más detalles

Ideas Básicas sobre Métodos de Medida

Ideas Básicas sobre Métodos de Medida 10: deas Báscas sobre Métodos de Medda Medcones Drectas: el resultado se obtene a partr de la ndcacón de un únco nstruento (étodos de deflexón). Medcones ndrectas: el resultado surge a partr de operacones

Más detalles

4) Ahora elaboremos la tabla de distribución de frecuencias: TABLA DE DISTRIBUCIÓN DE FRECUENCIAS DE LOS PESOS DE LOS ESTUDIANTES MERU CALIDAD.

4) Ahora elaboremos la tabla de distribución de frecuencias: TABLA DE DISTRIBUCIÓN DE FRECUENCIAS DE LOS PESOS DE LOS ESTUDIANTES MERU CALIDAD. APELLIDOS Y NOMBRES:... EJERCICIO: Se han regstrado dferentes pesos de los alumnos del segundo grado de una Insttucón Educatva en klogramos. 40 41 42 50 40 48 41 43 39 40 47 46 49 49 50 39 50 48 42 45

Más detalles

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

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

Más detalles

Apéndice A. Principio de Mínima Acción y Energía Mecánica total.

Apéndice A. Principio de Mínima Acción y Energía Mecánica total. Apéndce A Prncpo de Mína Accón y Energía Mecánca total. E l prncpo de ína accón es equvalente a decr que la tayectora que sgue una partícula en el espaco de conguracón es aquella para la cual la dferenca

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Unversdad Católca Los Ángeles de Cbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCION DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller

Universidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

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

Estadística con R. Modelo Probabilístico Lineal

Estadística con R. Modelo Probabilístico Lineal Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S

Más detalles

Resolución de sistemas lineales por métodos directos

Resolución de sistemas lineales por métodos directos Resolucón de sstemas lneales por métodos drectos Descomposcón LU S la matr del sstema Ax = b se expresa como producto de una matr trangular nferor, L, de una superor, U, la resolucón del msmo se reduce

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

EJERCICIOS PROPUESTOS TEMAS 1 Y 2

EJERCICIOS PROPUESTOS TEMAS 1 Y 2 EJERCICIOS PROPUESTOS TEMAS 1 Y 2 1.- Indca para los sguentes caracteres s son varables (dferencando entre dscretas y contnuas) o atrbutos, y la escala de medda a la que pertenecen: a) Nvel de estudos

Más detalles

Modelos lineales Regresión simple y múl3ple

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

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas

Más detalles

Ejercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución.

Ejercicio nº 1. a) Elabora una tabla de frecuencias. b) Representa gráficamente la distribución. Ejercco nº En una empresa de teleonía están nteresados en saber cuál es el número de aparatos teleóncos (ncludos teléonos móvles) que se tene en las vvendas. Se hace una encuesta y, hasta ahora, han recbdo

Más detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección de problemas de. Poder de Mercado y Estrategia de Poder de Mercado y Estratega Curso 3º - ECO- 013-014 Iñak Agurre Jaromr Kovark Javer Arn Peo Zuazo Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema 3. Monopolo 1. Los costes de

Más detalles

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN PREPARATORIA No. 3

UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN PREPARATORIA No. 3 UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN PREPARATORIA No. 3 PROBABILIDAD Y ESTADISTICA LABORATORIO PARA EXAMENES EXTRAORDINARIOS INSTRUCCIONES.- CONTESTE CADA UNO DE LOS SIGUIENTES PROBLEMAS COMPROBANDO SU RESPUESTA

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

75.12 ANÁLISIS NUMÉRICO I GUÍA DE PROBLEMAS INTEGRACIÓN

75.12 ANÁLISIS NUMÉRICO I GUÍA DE PROBLEMAS INTEGRACIÓN Análss Numérco Facultad de ngenería - UBA 75. ANÁLSS NUMÉRCO FACULTAD DE NGENERÍA UNVERSDAD DE BUENOS ARES GUÍA DE PROBLEMAS 4 6. NTEGRACÓN. Calcular la sguente ntegral utlzando las fórmulas del trapeco

Más detalles

UNIVERSIDAD FRANCISCO DE VITORIA CURSO SEMANAS PRESENCIALES

UNIVERSIDAD FRANCISCO DE VITORIA CURSO SEMANAS PRESENCIALES UNVERSDAD FRANCSCO DE VTORA CURSO 2015-2016 30/09/2015 2º GRADO EN NGENERÍA NFORMÁTCA (3º SEM Y 4º SEM - GRUPO B) : 1.9H 17 SEMANAS PRESENCALES 1 ER CUATRMESTRE VERNES 15,30-15,45 08,00-08,15 15,45-16,00

Más detalles

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han

Más detalles

PRIMER PARCIAL (30%) SÁBADO 10/11/12

PRIMER PARCIAL (30%) SÁBADO 10/11/12 PROBBILIDDE PRIMER PRCIL (30%) ÁBDO 0// PROBLEM. Una empresa productora de antenas sateltales tene tres máqunas dedcadas a la produccón de antenas cuyo rado de pantalla debe ser de cm. Debdo a desperfectos

Más detalles

EJERCICIO RESUELTO DE RIESGO MORAL

EJERCICIO RESUELTO DE RIESGO MORAL Pontfca Unversdad Católca del Perú Prograa de Maestría en Econoía Curso Mcroeconoía Avanzada Profesora Clauda Barrga Ch. Asstente Sandro A. Huaaní. EJERCICIO RESUELTO DE RIESGO MORAL Aplcacón al ercado

Más detalles

Prueba de Evaluación Continua

Prueba de Evaluación Continua Estadístca Descrptva y Regresón y Correlacón Prueba de Evaluacón Contnua 1-III-18 1.- Dada la varable x y la nueva varable y=a+bx, ndcar (demostrándolo) la expresón exstente entre las respectvas medas

Más detalles

Ejercicios y Talleres. puedes enviarlos a

Ejercicios y Talleres. puedes enviarlos a Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com Hallar: 1. Altura Mayor: 1,93. Altura Menor: 1, 3. Rango: 1,93-1, 0,7 4. Formar ntervalos: m Rango 5.

Más detalles

Tema 7: Regresión Logística p. 1/1

Tema 7: Regresión Logística p. 1/1 Tema 7: Regresón Logístca Pedro Larrañaga, Iñak Inza, Abdelmalk Moujahd Departamento de Cencas de la Computacón e Intelgenca Artfcal Unversdad del País Vasco http://www.sc.ehu.es/sg/ Tema 7: Regresón Logístca

Más detalles

TEMA 1.- CONCEPTOS BÁSICOS

TEMA 1.- CONCEPTOS BÁSICOS TEMA 1.- CONCEPTOS BÁSICOS 1.1.- Cuestones tpo test 1.- En las encuestas personales puede codfcarse, por ejemplo, con un cero las que son contestadas por una mujer y con un uno las que lo son por un varón.

Más detalles

Jesús García Herrero CLASIFICADORES BAYESIANOS

Jesús García Herrero CLASIFICADORES BAYESIANOS Jesús García Herrero CLASIFICADORES BAYESIANOS En esta clase se presentan los algortmos Análss de Datos para abordar tareas de aprendzaje de modelos predctvos. Se partcularzan las técncas estadístcas vstas

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

TEMA 2: MAGNITUDES ALEATORIAS

TEMA 2: MAGNITUDES ALEATORIAS MÉTODOS ESTADÍSTICOS PARA LA EMPRESA TEMA : MAGNITUDES ALEATORIAS..- Varable aleatora. Varables dscretas y contnuas..- Dstrbucón de probabldad de una varable aleatora.3.- Característcas de las varables

Más detalles

Lucía I. García-Cebrián 1, Antonio Muñoz Porcar 2

Lucía I. García-Cebrián 1, Antonio Muñoz Porcar 2 3 rd Internatonal Conference on Industral Engneerng and Industral Management XIII Congreso de Ingenería de Organzacón Barcelona-Terrassa, September 2nd-4th 2009 Análss de los resultados obtendos por la

Más detalles

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla. EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente

Más detalles

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos

Más detalles

2 Descripción de Datos Univariados.

2 Descripción de Datos Univariados. Descrpcón de Datos Unvarados.. Meddas de Tendenca Central. El análss estadístco propaente dcho, parte de la búsqueda de paráetros sobre los cuales pueda recaer la representacón de toda la noracón. Las

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

Control de la exactitud posicional por medio de tolerancias

Control de la exactitud posicional por medio de tolerancias Control de la exacttud posconal por medo de tolerancas Francsco Javer Arza López José Rodríguez-Av María Vrtudes Alba Fernández Plan Estatal de Investgacón Centífca y Técnca y de Innovacón 2013-2016. Ref.:

Más detalles

Tema 9: Otros temas de aplicación

Tema 9: Otros temas de aplicación Tema 9: Otros temas de aplcacón. Introduccón Exsten muchos elementos nteresantes y aplcacones del Matlab que no se han comentado a lo largo de los temas. Se nvta al lector a que nvestgue sobre ellos según

Más detalles

HORARIOS PROVISIONALES

HORARIOS PROVISIONALES HORAROS PROVSONALES UNVERSDAD FRANCSCO DE VTORA CURSO 2015-2016 02/10/2015 2º GRADO EN NGENERÍA NFORMÁTCA (3º SEM Y 4º SEM - GRUPO B) Aula: 1.9H 17 SEMANAS PRESENCALES 1 ER CUATRMESTRE VERNES 15,30-15,45

Más detalles

UNIDAD 1: Tablas de frecuencias

UNIDAD 1: Tablas de frecuencias UIDAD : Tablas de recuencas Cuando sobre una poblacón hemos realzado una encuesta o cualquer regstro para conocer los valores que toman las varables, nos encontramos ante una gran cantdad de datos que

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

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

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Diferencias Finitas. 4.1 Introducción. 4.2 Método de las Diferencias Finitas. 4. Diferencias Finitas

Diferencias Finitas. 4.1 Introducción. 4.2 Método de las Diferencias Finitas. 4. Diferencias Finitas . Dferencas Fntas Dferencas Fntas. Introduccón La técnca de las dferencas fntas fue la prmera técnca ue surgó para resolver problemas práctcos en ngenería. Ho en día ésta técnca a está obsoleta con lo

Más detalles

7ª SESIÓN: Medidas de concentración

7ª SESIÓN: Medidas de concentración Curso 2006-2007 7ª Sesón: Meddas de concentracón 7ª SESIÓN: Meddas de concentracón. Abrr el rograma Excel. 2. Abrr el lbro utlzado en las ráctcas anterores. 3. Insertar la Hoja7 al fnal del lbro. 4. Escrbr

Más detalles

VISIÓN POR COMPUTADOR

VISIÓN POR COMPUTADOR Escuela Poltécnca Superor de Elche VISIÓN POR COMPUTADOR Grado en Electrónca y Automátca Industral PRÁCTICAS TITERE Práctca 4: Segmentacón, Localzacón y Reconocmento de Obetos Departamento de Ingenería

Más detalles

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD Pág. 1 Págna 0 PRACTICA Meda y desvacón típca 1 Las edades de los estudantes de un curso de nformátca son: 17 17 18 19 18 0 0 17 18 18 19 19 1 0 1 19 18 18 19 1 0 18 17 17 1 0 0 19 0 18 a) Haz una tabla

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas

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

Optimización no lineal

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES

Más detalles

Análisis de la racionalidad en el uso de preferencias lingüísticas: un estudio empírico

Análisis de la racionalidad en el uso de preferencias lingüísticas: un estudio empírico Análss de la raconaldad en el uso de preferencas lngüístcas: un estudo empírco Lus Carlos Meneses Ponco Departamento de Economía Aplcada (Matemátcas) Unversdad de Valladold Avenda del Valle Esgueva 6.

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Estadística Unidimensional: SOLUCIONES

Estadística Unidimensional: SOLUCIONES 4ª SesónFecha: Estadístca Undmensonal: SOLUCIOES Varables estadístca dscreta 1 Con los datos del ejercco de Pág 19 nº 3 determna: a) Tabla de Frecuencas b) Dagrama de barras Gráfco acumulado c) Meddas

Más detalles

La Relación existente entre Gasto y Déficit Público en Latinoamérica ( )

La Relación existente entre Gasto y Déficit Público en Latinoamérica ( ) La Relacón exstente entre Gasto y Défct Públco en Latnoamérca (1960-2004) XXV Encuentro de Economstas Banco Central de Reserva del Perú Rodolfo Baca Gómez- Sánchez Lma, Dcembre 2007 1 Resumen Estudar cómo

Más detalles

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

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

Más detalles

Complementos al ABC: efectos dinámicos

Complementos al ABC: efectos dinámicos Complementos al ABC: efectos dnámcos CAF - CEPAL P. Rozas & J. Rvera Buenos Ares, juno de 2008 Varables y fuentes de nformacón Encuesta de Hogares de dversos años de los países en estudo.- Bolva: Encuesta

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

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

Más detalles

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.)

Más detalles

TEMAS SELECTOS DE FÍSICA I GUÍA DE ESTUDIO PARA EL EXAMEN EXTRAORDINARIO

TEMAS SELECTOS DE FÍSICA I GUÍA DE ESTUDIO PARA EL EXAMEN EXTRAORDINARIO DIRECCIÓN GENERAL DEL BACHILLERATO CENTRO DE ESTUDIOS DE BACHILLERATO LIC. JESÚS REYES HEROLES 4/ TEMAS SELECTOS DE FÍSICA I QUINTO SEMESTRE DICIEMBRE 013 GUÍA DE ESTUDIO PARA EL EXAMEN EXTRAORDINARIO

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

Guía de Equilibrio General. Ejercicio extraído de Mas-Colell, Whinston y Green, con algunas modificaciones

Guía de Equilibrio General. Ejercicio extraído de Mas-Colell, Whinston y Green, con algunas modificaciones Guía de Equlbro General Ejercco extraído de Mas-Colell, Whnston y Green, con algunas odfcacones - Consdere una econoía caja de Edgeworth en que dos consudores tenen referencas con no sacedad local. Sea

Más detalles

Enfoque de la dominancia para el análisis de la evolución de la pobreza entre 1988 y 2004

Enfoque de la dominancia para el análisis de la evolución de la pobreza entre 1988 y 2004 Enfoque de la domnanca para el análss de la evolucón de la pobreza entre 1988 y 2004 Juan Dego Trejos S. Lus Ángel Ovedo C. Insttuto de Investgacones en Cencas Económcas Unversdad de Costa Rca Hechos 30

Más detalles

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

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

Más detalles

ANÁLISIS FRECUENCIAL

ANÁLISIS FRECUENCIAL ANÁLISIS FRECUENCIAL Análss frecuencal de sstemas de tempo contnuo. 1. Respuesta en frecuenca de un sstema de tempo contnuo. 2. Tpos de representacones gráfcas. 3. Representacón por dagrama de Bode. Bblografía

Más detalles

Estimación no lineal del estado y los parámetros

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

Más detalles

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

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

Más detalles

Estadística Descriptiva Análisis de Datos

Estadística Descriptiva Análisis de Datos El concepto de Estadístca Estadístca Descrptva Análss de Datos 8.1 INTRODUCCION El orgen de la Estadístca se remonta a dos tpos de actvdades humanas: los juegos de azar y las necesdades de los Estados:

Más detalles

ISIS J. C. Gómez & G. Bartolini 1

ISIS J. C. Gómez & G. Bartolini 1 Idetfcacó de SISteas Descooscó e alores Sgulares (SD: Sgular alue Decoosto) ISIS J. C. Góez & G. Bartol La SD y sus lcacoes La Descooscó e alores Sgulares (o SD or sus sglas e glés) de ua atrz es la descooscó

Más detalles

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I

Slide 1. Slide 2 Organización y Resumen de Datos. Slide 3. Universidad Diego Portales. Tablas de Frecuencia. Estadística I Slde 1 Unversdad Dego Portales Estadístca I Seccón II: Dstrbucones de Frecuenca y Representacón Gráfca Sgla: EST2500 Nombre Asgnatura: Estadístca I Slde 2 Organzacón y Resumen de Datos Como recordará,

Más detalles

ANEXO D. Cálculo del cortante basal

ANEXO D. Cálculo del cortante basal Cálculo del cortate basal CÁLCULO DEL CORANE BASAL El cálculo del cortate basal perte deterar la fuerza lateral total coo cosecueca de las fuerzas erca que se duce a u sstea de N rados de lbertad, dstrbuyédolo

Más detalles

Propiedades efectivas de medios periódicos magneto-electroelásticos a través de funciones de Green

Propiedades efectivas de medios periódicos magneto-electroelásticos a través de funciones de Green Propedades efectvas de medos peródcos magneto-electroelástcos a través de funcones de Green utores: Lázaro Makel Sto Camacho Julán Bravo Castllero LOGO Renaldo Rodríguez Ramos Raúl Gunovart Díaz Introduccón

Más detalles

Análisis Factorial de Correspondencias Un Ejemplo:

Análisis Factorial de Correspondencias Un Ejemplo: Análss Factoral de Corresondencas Un Eemlo: FJ Callealta ; LR Rvera UAH Preerencas or los Comonentes de un Menú Varables cualtatvas: Prmer Plato: Ensalada Soa Macarrones 3 Segundo Plato: Carne Pescado

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

INTRODUCCION AL ESTUDIO DE LA TEORIA DE LA AGENCIA

INTRODUCCION AL ESTUDIO DE LA TEORIA DE LA AGENCIA INTRODUCCION AL ESTUDIO DE LA TEORIA DE LA AGENCIA INCERTIDUMBRE Y FALTA DE INFORMACION Contacto: Mª Covadonga De la Iglesa Vllasol Departamento de Fundamentos del Análss Económco I Unversdad Complutense

Más detalles

I. Ecuaciones Matemáticas = 1. Pontificia Universidad Católica de Chile SIMULA v1.0 Escuela de Ingeniería Centro de Minería.

I. Ecuaciones Matemáticas = 1. Pontificia Universidad Católica de Chile SIMULA v1.0 Escuela de Ingeniería Centro de Minería. Pontfca Unversdad Católca de Chle SIULA v.0 scuela de Ingenería Centro de nería I. cuacones ateátcas ()Proedo X, alores a roedar n, Cantdad de valores x n n x ()Desvacón stándar S, Desvacón stándar. S

Más detalles

ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR

ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR 1 ANÁLISIS ESTADÍSTICO DE LA PRODUCCIÓN ARROCERA EN EL ECUADOR Dela E. Montalvo Roca 1, Gaudenco Zurta Herrera 1 Ingenera en Estadístca Informátca Drector de Tess. M.Sc. en Matemátcas, Unversty of South

Más detalles

16/02/2015. Ángel Serrano Sánchez de León

16/02/2015. Ángel Serrano Sánchez de León Ángel Serrano Sánchez de León Índce Introduccón Varables estadístcas Dstrbucones de frecuencas Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca, armónca,

Más detalles

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco

EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septiembre de :30 horas. Pregunta 19 A B C En Blanco EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 19 de Septembre de 01 15:30 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e mal: Pregunta 1 A B C

Más detalles

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más detalles

Tema 11: Estadística.

Tema 11: Estadística. Tema 11: Estadístca. Ejercco 1. Un fabrcante de tornllos desea hacer un control de caldad. Para ello, recoge 1 de cada 100 tornllos producdos y lo analza. a) Cuál es la poblacón? b) Cuál es la muestra?

Más detalles

2. Tratamiento de errores

2. Tratamiento de errores . Tratamento de errores Carlos R. Fernández-Pousa e Ignaco Moreno Dvsón de Optca. Departamento de Cenca y Tecnología de Materales Unversdad Mguel Hernández de Elche.. Introduccón Se entende por medda la

Más detalles

Agregación temporal en el Análisis por Envoltura de Datos

Agregación temporal en el Análisis por Envoltura de Datos Agregacón temporal en el Análss por Envoltura de Datos ƒ Índce Gabrel Vlla Caro, Marcos Calle Suárez 2, osé Manuel García Sánchez 3 Ingenero Industral. Dpto. Organzacón Industral Gestón de Empresas. Escuela

Más detalles

PUBLICACIONES DE 4º CURSO

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

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

El ACB es una herramienta fundamental en el campo de la política ambiental

El ACB es una herramienta fundamental en el campo de la política ambiental Introduccón al análss coste-benefco. El ACB es una herramenta fundamental en el campo de la polítca ambental 1. El ACB: rentabldad fnancera-económca y socal. 2. El Análss Coste Efcenca 3. Técncas de Decsón

Más detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección de problemas de. Poder de Mercado y Estrategia Coleccón de problemas de Poder de Mercado y Estratega Curso 3º - ECO- 016-017 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Poder de Mercado

Más detalles

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

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

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles