Métodos basados en la Intensidad de Dominancia para la ordenación de alternativas en MAUT
|
|
- Salvador Pascual Marín Torres
- hace 5 años
- Vistas:
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
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 detallesLECTURA 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 detallesESTADÍSTICA. 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 detallesCAPÍTULO 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 detallesProgramación 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 detallesIdeas 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 detalles4) 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 detallesEjemplo: 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 detallesApéndice 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 detallesLECTURA 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 detallesUniversidad 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 detallesCAPÍTULO 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 detallesMedidas 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 detallesEstadística 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 detallesResolución 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 detallesEstadísticos 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 detallesEJERCICIOS 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 detallesModelos 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 detallesFE 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 detallesEspecialista 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 detallesEjercicio 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 detallesColección 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 detallesUNIVERSIDAD 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 detallesTema 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 detallesPyE_ 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 detallesESTADÍSTICA. 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 detalles75.12 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 detallesUNIVERSIDAD 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 detallesEJERCICIOS 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 detallesPRIMER 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 detallesEJERCICIO 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 detallesPrueba 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 detallesEjercicios 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 detallesTema 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 detallesTEMA 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 detallesJesús 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 detallesHistogramas: 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 detallesTEMA 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 detallesLucía 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 detallesEJERCICIOS 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 detallesBloque 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 detalles2 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 detallesTEMA 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 detallesControl 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 detallesTema 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 detallesHORARIOS 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 detallesUNIDAD 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 detallesUn 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 detallesMedidas 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 detallesDiferencias 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 detalles7ª 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 detallesVISIÓN 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 detallesSOLUCIONES 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 detallesPoblación 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 detallesLECTURA 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 detallesIntroducción 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 detallesESTADÍSTICA 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 detallesTema 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 detallesOptimización 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 detallesESTADÍSTICA 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 detallesAnálisis 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 detallesINTRODUCCIÓN. 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 detallesEstadística 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 detallesLa 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 detalles315 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 detallesComplementos 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 detallesDISTRIBUCIONES 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 detallesGuía 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 detallesTEMAS 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 detallesDescripción 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 detallesGuía 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 detallesEnfoque 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 detallesUNIVERSIDAD 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 detallesANÁLISIS 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 detallesEstimación 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 detallesTema 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 detallesEstadística 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 detallesISIS 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 detallesSlide 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 detallesANEXO 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 detallesPropiedades 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 detallesAnálisis 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 detallesApéndice 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 detallesINTRODUCCION 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 detallesI. 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 detallesANÁLISIS 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 detalles16/02/2015. 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 detallesEXAMEN 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 detallesRegresión 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 detallesTema 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 detalles2. 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 detallesAgregación 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 detallesPUBLICACIONES 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 detallesTema 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 detallesEl 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 detallesColección 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 detallesIII 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 detallesMª 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