? emplear NA 0,788 0, se queda s a se pone s en s a se pone s en s a

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

Download "? 50 30 20 20 emplear NA 0,788 0,367879 se queda s a 150 275 70-125 se pone s en s a 15 58 200-43 se pone s en s a"

Transcripción

1 350 MR Versión 1 1 Prueba Parcial 1/5 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA: INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Computación Evolutiva CÓDIGO: 350 MOMENTO: Primera Parcial VERSIÓN: 1 FECHA DE APLICACIÓN: 09 /05 /2015 MOD. I, UND. 1, OBJ.1 CRITERIO DE DOMINIO 1/1 1- Método del Recocido Simulado a) Aplicación del método f(s a ) f(s) Temp. actual δ= f(s a )- f(s) Acción a tomar u e- δ/t u < e δ/t? emplear NA 0,788 0, se queda s a se pone s en s a se pone s en s a b) La característica fundamental de este método, que lo considera heurístico es que eventualmente, de acuerdo al empleo de un cálculo de probabilidad y a la generación de números aleatorios, una solución que tenga mal desempeño puede ser aceptada (decisión estocástica). La aceptación de soluciones con mal desempeño decrece a medida que la temperatura baja. Todo esto impide que el proceso quede atrapado prematuramente en un óptimo local. Criterio de corrección: se logra el objetivo si se responde correctamente las dos secciones de la pregunta.

2 350 MR Versión 1 1 Prueba Parcial 2/5 MOD. I, UND. 2, OBJ.2 CRITERIO DE DOMINIO 1/1 a) Ruleta: Para elaborar la ruleta es necesario determinar el porcentaje de fitness que le corresponde a cada individuo dentro de la totalidad de fitness de la población. Para ello se calcula el porcentaje de participación de cada individuo, como se expresa en la siguiente tabla: Individuo Fitness % Fitness x 1 x 2 f(x,y) Total fitness: : Ruleta. Porcentajes de fitness (redondeados) b) Selección de individuos dados los números aleatorios. Para calcular los rangos de valores que corresponden a cada sector de la ruleta creada, se puede emplear el cálculo de las frecuencias. A continuación se presenta en una tabla.

3 350 MR Versión 1 1 Prueba Parcial 3/5 x 1 x 2 f(x,y) Frecuencia Frec Acum. Rango de Valores , , , , , , , , , , , , , , , , , , , , , , , , , , Total fit Nota: se entiende que el rango de valores son intervalos con el extremo derecho abierto y el izquierdo cerrado. El NA = 0,468, corresponde al número 46,8, por lo tanto se selecciona al individuo 2 (fitness 884); el NA = 40 selecciona al individuo 6 y el NA = 0,827, corresponde al número 82,7, por lo tanto se selecciona al individuo 8 (fitness 914). c) El método de la Ruleta se basa en la partición en segmentos contiguos sobre la base de la evaluación o fitness que tiene cada individuo. El método consiste en que al generarse números al azar, como existe una correspondencia de estos segmentos con un intervalo real, se seleccionan los individuos asociados al intervalo al que pertenezca el número. De tal manera que a mayor valor de fitness, existe mayor probabilidad que el individuo sea seleccionado, es por ello que tiende a seleccionar individuos cuya evaluación resulte con mayor valor, que es lo que se requiere en un problema de maximización. Criterio de corrección: se logra el objetivo si se obtiene una correcta distribución basada en la evaluación de cada individuo de la población y se responde correctamente las secciones b) y c) de la pregunta. MOD. II, UND. 3, OBJ. 3 CRITERIO DE DOMINIO 1/1 3- Algoritmo genético a) Función de fitness. Una manera de obtener una expresión para la función de fitness es considerando el número de aciertos entre cada bit i de la mitad del cromosoma con respecto al bit (n-1) i. Considerando que x es el número de aciertos, la función podría ser f = 2x, como también podría ser f = x. Como se trata de un problema de maximización, a mayor fitness, mayor número de aciertos y por lo tanto estaría más cercano a ser simétrico espejo.

4 350 MR Versión 1 1 Prueba Parcial 4/5 Otra manera de obtener la función de fitness, es considerando el número de desaciertos y, dado que n es el número de genes(bits) del cromosoma, f = n - y. A continuación se presenta una tabla con los cálculos de la función de fitness, para n= 10 en ambos casos. x: número e y: número de f = 2x f = n - y aciertos desaciertos b) Población y cruce de los dos mejores individuos N Individuo Fitness f = 2x Los dos individuos con mejor fitness son el N 2 y N 3, por lo tanto realizaremos un cruce simple en el punto medio entre ambos individuos, como se observa en la Figura N 1. El individuo obtenido del primer cruce tiene el mayor valor de fitness y es un individuo perfectamente simétrico espejo.

5 350 MR Versión 1 1 Prueba Parcial 5/5 Figura 1 c) Es posible que al realizar el cruce se obtengan individuos con simetría mas baja. Un ejemplo de ello es el segundo individuo obtenido, el cual siendo producto del cruce de dos individuos con fitness = 8, tiene menor simetría (fitness = 6). Criterio de corrección: se logra el objetivo se obtiene una expresión matemática apropiada para la función de fitness y se responde correctamente las secciones b) y c) de la pregunta. FIN DEL MODELO DE RESPUESTA

SIMULACION. Formulación de modelos: solución obtenida de manera analítica

SIMULACION. Formulación de modelos: solución obtenida de manera analítica SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar

Más detalles

SISI / TS / AG / SR SIMULADOR DE SISTEMAS DE INVENTARIOS ESTOCASTICOS

SISI / TS / AG / SR SIMULADOR DE SISTEMAS DE INVENTARIOS ESTOCASTICOS 62 CAPITULO 3 SISI / TS / AG / SR SIMULADOR DE SISTEMAS DE INVENTARIOS ESTOCASTICOS En este capítulo se describe de manera general lo que es SISI / TS / AG / SR y se explica cada una de las opciones que

Más detalles

ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS

ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS EtsiIngenio Inteligencia Artificial 1 Raposo López Alejandro Sánchez Palacios Manuel Resumen dibujo de grafos mediante algoritmos genéticos

Más detalles

ESTADÍSTICA (ING.INFORMÁTICA/ING.TI)

ESTADÍSTICA (ING.INFORMÁTICA/ING.TI) ASIGNATURA DE GRADO: ESTADÍSTICA (ING.INFORMÁTICA/ING.TI) Curso 2015/2016 (Código:7190105-) 1.PRESENTACIÓN DE LA ASIGNATURA Esta asignatura es una introducción a la Modelización probabilística, la Inferencia

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS DE DATOS NO NUMERICOS ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas

Más detalles

Métodos evolutivos de Optimización. Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid

Métodos evolutivos de Optimización. Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid Métodos evolutivos de Optimización Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid Indice Introducción Método de Montecarlo Algoritmos genéticos Tabú Search Simulated

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas. Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos

Más detalles

Algoritmos Genéticos Y

Algoritmos Genéticos Y Algoritmos Genéticos Y Optimización n Heurística Dr. Adrian Will Grupo de Aplicaciones de Inteligencia Artificial Universidad Nacional de Tucumán awill@herrera.unt.edu.ar Algoritmos Genéticos - Operadores

Más detalles

Muestreo estadístico. Relación 2 Curso 2007-2008

Muestreo estadístico. Relación 2 Curso 2007-2008 Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los

Más detalles

FECHA DE ENTREGA DE LAS ESPECIFICACIONES AL ESTUDIANTE: Adjunto a la primera parcial

FECHA DE ENTREGA DE LAS ESPECIFICACIONES AL ESTUDIANTE: Adjunto a la primera parcial 348 -TP Lapso 2009/2 1/7 TRABAJO PRÁCTICO ASIGNATURA: INVESTIGACIÓN DE OPERACIONES III CÓDIGO: 348 FECHA DE ENTREGA DE LAS ESPECIFICACIONES AL ESTUDIANTE: Adjunto a la primera parcial FECHA DE DEVOLUCIÓN

Más detalles

Características de funciones que son inversas de otras

Características de funciones que son inversas de otras Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =

Más detalles

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se

Más detalles

Métodos Heurísticos en Inteligencia Artificial

Métodos Heurísticos en Inteligencia Artificial Métodos Heurísticos en Inteligencia Artificial Javier Ramírez rez-rodríguez Ana Lilia Laureano-Cruces Universidad Autónoma Metropolitana Métodos Heurísticos en Inteligencia Artificial Los problemas de

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E.

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E. PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E. CURSO 2013-2014 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumno debe elegir sólo una de las pruebas (A o B). - Cada una de las preguntas

Más detalles

Ingeniería en Informática

Ingeniería en Informática Departamento de Informática Universidad Carlos III de Madrid Ingeniería en Informática Aprendizaje Automático Junio 2007 Normas generales del examen El tiempo para realizar el examen es de 3 horas No se

Más detalles

La conveniencia de erradicar de nuestro sistema educativo las preguntas que restan en los exámenes tipo test

La conveniencia de erradicar de nuestro sistema educativo las preguntas que restan en los exámenes tipo test DESARROLLO Y EXPLICACIONES ADICIONALES DEL ARTÍCULO DE LA VANGUARDIA RESTAR NO SUMA Por Fernando Trias de Bes La conveniencia de erradicar de nuestro sistema educativo las preguntas que restan en los exámenes

Más detalles

ANÁLISIS DE CORRELACIÓN EMPLEANDO EXCEL Y GRAPH

ANÁLISIS DE CORRELACIÓN EMPLEANDO EXCEL Y GRAPH ANÁLISIS DE CORRELACIÓN EMPLEANDO EXCEL Y GRAPH Cuando se estudian en forma conjunta dos características (variables estadísticas) de una población o muestra, se dice que estamos analizando una variable

Más detalles

1.6.- CLASIFICACION Y OPERACIONES DE FUNCIONES

1.6.- CLASIFICACION Y OPERACIONES DE FUNCIONES 1.6.- CLASIFICACION Y OPERACIONES DE FUNCIONES OBJETIVO.- Conocer y manejar las operaciones definidas entre funciones así como conocer la clasificación de éstas y sus características. 1.6.1.- Operaciones

Más detalles

Mod. I, Unid. 1, Obj. 1 CRITERIO DE DOMINIO 1/1

Mod. I, Unid. 1, Obj. 1 CRITERIO DE DOMINIO 1/1 MR. 316 Versión 1 Prueba Integral 1/5 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERIA MODELO DE RESPUESTA ASIGNATURA: MICROPROCESADORES CÓDIGO: 316 MOMENTO: INTEGRAL VERSIÓN: 01 FECHA

Más detalles

UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO AREA: INGENIERÍA. FECHA DE ENTREGA AL ESTUDIANTE: Adjunto a la Primera Prueba Parcial.

UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO AREA: INGENIERÍA. FECHA DE ENTREGA AL ESTUDIANTE: Adjunto a la Primera Prueba Parcial. 333-TP Lapso 2015-1 - 1/5 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO AREA: INGENIERÍA ASIGNATURA: Arquitectura del Computador CÓDIGO: 333 FECHA DE ENTREGA AL ESTUDIANTE: Adjunto a la Primera

Más detalles

capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación

capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación Sistemática de Layout, SLP por sus siglas en inglés. Se hará uso de la simulación para comparar el

Más detalles

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS 1) Reseña histórica Abrahan De Moivre (1733) fue el primero en obtener la ecuación matemática de la curva normal. Kart Friedrich Gauss y Márquez De Laplece (principios

Más detalles

CICLO FORMATIVO DE GRADO SUPERIOR COMERCIAL Y MARKETING MÓDULO PROFESIONAL POLÍTICAS DE MARKETING PROYECTO @VANZA

CICLO FORMATIVO DE GRADO SUPERIOR COMERCIAL Y MARKETING MÓDULO PROFESIONAL POLÍTICAS DE MARKETING PROYECTO @VANZA CICLO FORMATIVO DE GRADO SUPERIOR GESTIÓN COMERCIAL Y MARKETING MÓDULO PROFESIONAL POLÍTICAS DE MARKETING PROYECTO @VANZA I.E.S. MAESTRO DOMINGO CÁCERES (BADAJOZ) Tabla de contenidos: CURSO ACADÉMICO 2014/

Más detalles

Simulación Monte Carlo

Simulación Monte Carlo Simulación Monte Carlo Modelado estocástico Cuando se realiza un análisis estático a un proyecto, una serie de supuestos y variables producen un resultado de valor único. Mientras que un análisis estocástico

Más detalles

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.

Más detalles

1.3.2. Vicerrectorado de Espacio Europeo de Educación Superior. Reglamento de reconocimiento y transferencia de créditos en Grados y Másteres

1.3.2. Vicerrectorado de Espacio Europeo de Educación Superior. Reglamento de reconocimiento y transferencia de créditos en Grados y Másteres I. DISPOSICIONES Y ACUERDOS DE LOS ÓRGANOS DE GOBIERNO DE LA UNIVERSIDAD COMPLUTENSE I.3. CONSEJO DE GOBIERNO 1.3.2. Vicerrectorado de Espacio Europeo de Educación Superior Reglamento de reconocimiento

Más detalles

Análisis y Diseño de Aplicaciones

Análisis y Diseño de Aplicaciones Análisis y Diseño de Aplicaciones Ciclo de Vida Docente: T/RT Gonzalo Martínez CETP EMT Informática 3er Año Introducción En el desarrollo de sistemas, el ciclo de vida son las etapas por las que pasa un

Más detalles

Introducción a la Computación Evolutiva

Introducción a la Computación Evolutiva Introducción a la Computación Evolutiva Sección de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx http: //delta.cs.cinvestav.mx/~ccoello

Más detalles

Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B

Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B 1. Una empresa tiene 3000 bolsas de ajo morado de Las

Más detalles

UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG)

UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) PAEG Junio 0 Propuesta A Matemáticas aplicadas a las CCSS II º Bachillerato UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales

Más detalles

Puede dar pérdida un Casino?

Puede dar pérdida un Casino? Puede dar pérdida un Casino? por Ernesto Mordecki En esta nota calculamos la probabilidad de que pierda la banca en la ruleta, en un período dado de tiempo. uestro enfoque consiste en determinar cuantas

Más detalles

Introducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09

Introducción a los Algoritmos Genéticos. Tomás Arredondo Vidal 17/4/09 Introducción a los Algoritmos Genéticos Tomás Arredondo Vidal 17/4/09 Esta charla trata de lo siguiente: Introducción a algunos aspectos de los algoritmos genéticos. Introducción a algunas aplicaciones

Más detalles

, o más abreviadamente: f ( x)

, o más abreviadamente: f ( x) TEMA 5: 1. CONCEPTO DE FUNCIÓN Observa los siguientes ejemplos: El precio de una llamada telefónica depende de su duración. El consumo de gasolina de un coche depende de la velocidad del mismo. La factura

Más detalles

TECNÓLOGO EN INFORMÁTICA PLAN DE ESTUDIOS

TECNÓLOGO EN INFORMÁTICA PLAN DE ESTUDIOS Administración Nacional de Universidad de la República Educación Pública Facultad de Ingenieria CF Res..0.07 Consejo Directivo Central Consejo Directivo Central Res..05.07 Res. 17.0.07 TECNÓLOGO EN INFORMÁTICA

Más detalles

Algoritmos Genéticos

Algoritmos Genéticos Introducción a la Computación Evolutiva Tercera Clase: Algoritmos Genéticos Algoritmos Genéticos Desarrollados en USA durante los años 70 Autores principales: J. Holland, K. DeJong, D. Goldberg Aplicados

Más detalles

Algoritmos Genéticos. Algoritmos Genéticos. Introducción a la Computación Evolutiva. Tercera Clase: Algoritmos Genéticos

Algoritmos Genéticos. Algoritmos Genéticos. Introducción a la Computación Evolutiva. Tercera Clase: Algoritmos Genéticos Introducción a la Computación Evolutiva Tercera Clase: Algoritmos Genéticos Algoritmos Genéticos Desarrollados en USA durante los años 70 Autores principales: J. Holland, K. DeJong, D. Goldberg Aplicados

Más detalles

Algoritmos Genéticos. Introduccion a la Robótica Inteligente

Algoritmos Genéticos. Introduccion a la Robótica Inteligente Algoritmos Genéticos Introduccion a la Robótica Inteligente 7 Marzo 2014 (IRIN) AGs 7/03/2014 1 / 43 Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos Matemáticos 4 Conclusiones (IRIN)

Más detalles

INTERVALOS, DESIGUALDADES Y VALOR ABSOLUTO

INTERVALOS, DESIGUALDADES Y VALOR ABSOLUTO INTERVALOS, DESIGUALDADES Y VALOR ABSOLUTO INTERVALOS Los Intervalos son una herramienta matemática que se utiliza para delimitar un conjunto determinado de números reales. Por ejemplo el intervalo [-5,3]

Más detalles

Medidas de tendencia central o de posición: situación de los valores alrededor

Medidas de tendencia central o de posición: situación de los valores alrededor Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

UNIVERSIDAD NACIONAL DE COLOMBIA SEDE MEDELLÍN FACULTAD DE MIAS ESCUELA DE LA INGENIERÍA DE LA ORGANIZACIÓN

UNIVERSIDAD NACIONAL DE COLOMBIA SEDE MEDELLÍN FACULTAD DE MIAS ESCUELA DE LA INGENIERÍA DE LA ORGANIZACIÓN UNIVERSIDAD NACIONAL DE COLOMBIA SEDE MEDELLÍN FACULTAD DE MIAS ESCUELA DE LA INGENIERÍA DE LA ORGANIZACIÓN TALLER PREPARATORIO: SEGUNDO EXAMEN DE INVERSIONES BAJO RIESGO 1. Usted es el encargado de administrar

Más detalles

Selectividad Septiembre 2006 SEPTIEMBRE 2006

Selectividad Septiembre 2006 SEPTIEMBRE 2006 Bloque A SEPTIEMBRE 2006 1.- En una fábrica trabajan 22 personas entre electricistas, administrativos y directivos. El doble del número de administrativos más el triple del número de directivos, es igual

Más detalles

Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales

Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales Algoritmos genéticos como métodos de aproximación analítica y búsqueda de óptimos locales Jorge Salas Chacón A03804 Rubén Jiménez Goñi A93212 Juan Camilo Carrillo Casas A91369 Marco Vinicio Artavia Quesada

Más detalles

Guía para el estudiante de Prácticas Profesionales del Máster universitario de Aplicaciones Multimedia

Guía para el estudiante de Prácticas Profesionales del Máster universitario de Aplicaciones Multimedia Guía para el estudiante de Prácticas Profesionales del Máster universitario de Aplicaciones Multimedia Estudios de Informática, Multimedia y Telecomunicación 1 Guía de las Prácticas Profesionales del Máster

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL CAPÍTULO 14 MEDIDAS DE TENDENCIA CENTRAL A veces, de los datos recolectados ya organizados en alguna de las formas vistas en capítulos anteriores, se desea encontrar una especie de punto central en función

Más detalles

Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones

Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica

Más detalles

Alternativa Seleccionada a Desarrollar en Proyecto de Titulación. Integración de sensores en bastón de no videntes para advertir obstáculos cercanos

Alternativa Seleccionada a Desarrollar en Proyecto de Titulación. Integración de sensores en bastón de no videntes para advertir obstáculos cercanos UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA DEPARTAMENTO DE ELECTRÓNICA Alternativa Seleccionada a Desarrollar en Proyecto de Titulación Integración de sensores en bastón de no videntes para advertir obstáculos

Más detalles

DISEÑO Y DESARROLLO DE UNA PRACTICA DE LABORATORIO CONCEPTOS BÁSICOS DE RESONANCIA ESTOCÁSTICA

DISEÑO Y DESARROLLO DE UNA PRACTICA DE LABORATORIO CONCEPTOS BÁSICOS DE RESONANCIA ESTOCÁSTICA DISEÑO Y DESARROLLO DE UNA PRACTICA DE LABORATORIO CONCEPTOS BÁSICOS DE RESONANCIA ESTOCÁSTICA L. Álvarez Miño, D. Fajardo Fajardo Universidad Nacional de Colombia, Sede Manizales A. A. 127 RESUMEN En

Más detalles

ETS Caminos Santander. Curso 2012. Ejercicios de introducción a la programación.

ETS Caminos Santander. Curso 2012. Ejercicios de introducción a la programación. Ejercicio 1. Saludo. El programa preguntará el nombre al usuario y a continuación le saludará de la siguiente forma "Hola, NOMBRE" donde NOMBRE es el nombre del usuario. Ejercicio 2. Suma. El programa

Más detalles

Selectividad Septiembre 2008 SEPTIEMBRE 2008

Selectividad Septiembre 2008 SEPTIEMBRE 2008 Bloque A SEPTIEMBRE 008.- Una ONG organiza un convoy de ayuda humanitaria con un máimo de 7 camiones, para llevar agua potable y medicinas a una zona devastada por unas inundaciones. Para agua potable

Más detalles

Formas de Representación en Estadística Descriptiva

Formas de Representación en Estadística Descriptiva Formas de Representación en Estadística Descriptiva Problema 1. Las tablas que aparecen a continuación contienen los datos de un estudio sobre el número de alumnos reprobados, por curso, en el Departamento

Más detalles

COSTE MEDIO PONDERADO DE CAPITAL

COSTE MEDIO PONDERADO DE CAPITAL COSTE MEDIO PONDERADO DE CAPITAL 09 de enero de 2012 Página 1 de 9 INDICE Pág. 1. ANÁLISIS DE PROYECTOS... 4 2. ESTRUCTURA ÓPTIMA DE CAPITAL... 6 3. CONCLUSIÓN... 8 4. BIBLIOGRAFÍA... 8 09 de enero de

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 2 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. La dureza Rockwell de un metal

Más detalles

Dirección de Planificación Universitaria Dirección de Planificación Universitaria 0819-07289 Panamá, Rep. de Panamá 0819-07289 Panamá, Rep.

Dirección de Planificación Universitaria Dirección de Planificación Universitaria 0819-07289 Panamá, Rep. de Panamá 0819-07289 Panamá, Rep. Comparación de las tasas de aprobación, reprobación, abandono y costo estudiante de dos cohortes en carreras de Licenciatura en Ingeniería en la Universidad Tecnológica de Panamá Luzmelia Bernal Caballero

Más detalles

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. b) Las medias muestrales de tamaño n se distribuyen según la normal

DISTRIBUCIÓN DE LA MEDIA MUESTRAL. b) Las medias muestrales de tamaño n se distribuyen según la normal 1 DISTRIBUCIÓN DE LA MEDIA MUESTRAL La mayoría de estos problemas han sido propuestos en exámenes de selectividad de los distintos distritos universitarios españoles. 1. Considérese una población en la

Más detalles

Programa de Evaluación del estado de Nueva York Contenidos Básicos Comunes de 3.º a 8.º Evaluación de Artes del idioma inglés

Programa de Evaluación del estado de Nueva York Contenidos Básicos Comunes de 3.º a 8.º Evaluación de Artes del idioma inglés Nuestros estudiantes. Su momento. Programa de Evaluación del estado de Nueva York Contenidos Básicos Comunes de 3.º a 8.º Evaluación de Artes del idioma inglés Comprender los informes de puntaje de Artes

Más detalles

Problemas resueltos del Tema 3.

Problemas resueltos del Tema 3. Terma 3. Distribuciones. 9 Problemas resueltos del Tema 3. 3.1- Si un estudiante responde al azar a un examen de 8 preguntas de verdadero o falso Cual es la probabilidad de que acierte 4? Cual es la probabilidad

Más detalles

ANÁLISIS DESCRIPTIVO CON SPSS

ANÁLISIS DESCRIPTIVO CON SPSS ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:

Más detalles

Función Logaritmo, dominio y traslación. Guía del profesor.

Función Logaritmo, dominio y traslación. Guía del profesor. Función Logaritmo, dominio y traslación. Guía del profesor. Contenidos: Función logaritmo y su representación gráfica correspondiente. Análisis de las expresiones algebraicas y sus respectivas representaciones

Más detalles

La tómbola escolar TÓMBOLA

La tómbola escolar TÓMBOLA Ficha 0 Matemática 9 La tómbola escolar TÓMBOLA 8 6 0 7 Observa la imagen y responde las siguientes preguntas: Qué artículos observas? Completa la tabla con la cantidad de artículos que hay en la tómbola.

Más detalles

CAPÍTULO V CONCLUSIONES Y RECOMENDACIONES

CAPÍTULO V CONCLUSIONES Y RECOMENDACIONES CAPÍTULO V CONCLUSIONES Y RECOMENDACIONES 5.1 CONCLUSIONES. En toda investigación realizada sobre la realidad se obtienen diversos puntos de vista sobre la problemática estudiada sobre la educación superior

Más detalles

AZAR, PROBABILIDAD Y ESTADÍSTICA EXPERIENCIAS DE AZAR

AZAR, PROBABILIDAD Y ESTADÍSTICA EXPERIENCIAS DE AZAR AZAR, PROBABILIDAD Y ESTADÍSTICA EXPERIENCIAS DE AZAR Hay situaciones en la vida diaria en las que no podemos saber qué resultado va a salir, pero sí sabemos los posibles resultados; son situaciones que

Más detalles

Pruebas de acceso a enseñanzas universitarias oficiales de grado Castilla y León

Pruebas de acceso a enseñanzas universitarias oficiales de grado Castilla y León Pruebas de acceso a enseñanzas universitarias oficiales de grado Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJECICIO Nº Páginas OPTATIVIDAD: EL ALUMNO DEBEÁ ESCOGE UNA DE LAS DOS OPCIONES

Más detalles

Análisis y cuantificación del Riesgo

Análisis y cuantificación del Riesgo Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el

Más detalles

Pruebas de Acceso a las Universidades de Castilla y León

Pruebas de Acceso a las Universidades de Castilla y León Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICA APLICADA A LA CIENCIA OCIALE EJERCICIO Nº páginas 2 Tablas OPTATIVIDAD: EL ALUMNO DEBERÁ ECOGER UNA DE LA DO OPCIONE Y DEARROLLAR LA

Más detalles

IES Fco Ayala de Granada Junio de 2012 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Junio de 2012 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna IES Fco Ayala de Granada Junio de 01 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO 4 (COMÚN) OPCIÓN A EJERCICIO 1 (A) Sea el recinto determinado

Más detalles

Selectividad Junio 2008 JUNIO 2008 PRUEBA A

Selectividad Junio 2008 JUNIO 2008 PRUEBA A Selectividad Junio 008 JUNIO 008 PRUEBA A 3 a x + a y =.- Sea el sistema: x + a y = 0 a) En función del número de soluciones, clasifica el sistema para los distintos valores del parámetro a. b) Resuélvelo

Más detalles

Diagrama y Nomenclatura del sistema de lazo cerrado

Diagrama y Nomenclatura del sistema de lazo cerrado Diagrama y Nomenclatura del sistema de lazo cerrado En la figura 1 se muestra un diagrama de bloques general más detallado, el cual describe de forma adecuada a la mayoría de los sistemas de lazo cerrado.

Más detalles

Tarea 2: Diseño CrossOver

Tarea 2: Diseño CrossOver Tarea 2: Diseño CrossOver Tomas Neira 7 de Junio de 2006 CrossOver El tema principal de este juego es el conflicto por territorio. Esto no es en el mismo sentido que en el GO, sino que las posiciones relativas

Más detalles

SISTEMAS DE ORDENACIÓN

SISTEMAS DE ORDENACIÓN SISTEMAS DE ORDENACIÓN DE CONTENIDOS INVITADOS. LINEAL, ALTERNANCIA Y MIXTO Error! Marcador no definido.. SISTEMA CARTESIANO. SISTEMA DEL RELOJ. SISTEMA DE CABECERA ÚNICA JERÁRQUICA. SISTEMA DE CABECERA

Más detalles

Tema 10. Estimación Puntual.

Tema 10. Estimación Puntual. Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener

Más detalles

Segunda Parcial Lapso 2013-1 175-176-177 1/8

Segunda Parcial Lapso 2013-1 175-176-177 1/8 Segunda Parcial Lapso 2013-1 175-176-177 1/8 Universidad Nacional Abierta Matemática I (175-176-177) Vicerrectorado Académico Cód. Carrera: 126 236 280 508 521 542 610 611 612 613 Área De Matemática Fecha:

Más detalles

Contenidos. INFORME ENCUESTA TELEFÓNICA. Curso 2009 10

Contenidos. INFORME ENCUESTA TELEFÓNICA. Curso 2009 10 ENCUESTA DE OPINIÓN DEL ALUMNADO SOBRE LA ACTUACIÓN DOCENTE DEL PROFESORADO UNIVERSIDAD DE SEVILLA Curso 2009-2010 ENCUESTA TELEFÓNICA Contenidos Introducción.... 4 El Cuestionario... 5 El muestreo...

Más detalles

Integración de Monte Carlo Técnicas Avanzadas de Gráficos en 3D

Integración de Monte Carlo Técnicas Avanzadas de Gráficos en 3D Integración de Monte Carlo Técnicas Avanzadas de Gráficos en 3D Miguel Ángel Otaduy 26 Abril 2010 Contexto Cálculo de la integral de radiancia reflejada en la ecuación de rendering Cálculo de la integral

Más detalles

Documento diseño de evaluación en términos de comparabilidad entre grupos de tratamiento y control

Documento diseño de evaluación en términos de comparabilidad entre grupos de tratamiento y control SEPTIEMBRE 2012 Tercer Informe Documento diseño de evaluación en términos de comparabilidad entre grupos de tratamiento y control ÍNDICE 1. Introducción...4 2. La base de datos del PRONABES....5 3. Selección

Más detalles

4 Pruebas y análisis del software

4 Pruebas y análisis del software 4 Pruebas y análisis del software En este capítulo se presentan una serie de simulaciones donde se analiza el desempeño de ambos sistemas programados en cuanto a exactitud con otros softwares que se encuentran

Más detalles

La nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx

La nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx La nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx Resumen Se dan algunas definiciones básicas relacionadas con la divisibilidad

Más detalles

Resumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración

Resumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración 5053 Martes, 9 de abril Ramificación y acotamiento () Entregas: material de clase Resumen de técnicas para resolver problemas de programación entera Técnicas de enumeración Enumeración completa hace una

Más detalles

Programación Genética

Programación Genética Programación Genética Programación Genética consiste en la evolución automática de programas usando ideas basadas en la selección natural (Darwin). No sólo se ha utilizado para generar programas, sino

Más detalles

Regulador PID con convertidores de frecuencia DF5, DV5, DF6, DV6. Página 1 de 10 A Regulador PID

Regulador PID con convertidores de frecuencia DF5, DV5, DF6, DV6. Página 1 de 10 A Regulador PID A Página 1 de 10 A Regulador PID INDICE 1. Regulador PID 3 2. Componente proporcional : P 4 3. Componente integral : I 4 4. Componente derivativa : D 4 5. Control PID 4 6. Configuración de parámetros del

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las

Más detalles

I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { }

I. RELACIONES Y FUNCIONES 1.1. PRODUCTO CARTESIANO { } I. RELACIONES Y FUNCIONES PAREJAS ORDENADAS Una pareja ordenada se compone de dos elementos x y y, escribiéndose ( x, y ) donde x es el primer elemento y y el segundo elemento. Teniéndose que dos parejas

Más detalles

CONTENIDOS NECESARIOS PARA MATEMATICAS, 1.

CONTENIDOS NECESARIOS PARA MATEMATICAS, 1. Elaboración de Materiales para Pruebas Libres de Educación Secundaria CONTENIDOS NECESARIOS PARA MATEMATICAS, 1. Números: suma, resta, multiplicación y división de números; operaciones combinadas de números

Más detalles

Selectividad Septiembre 2009 SEPTIEMBRE 2009. Opción A

Selectividad Septiembre 2009 SEPTIEMBRE 2009. Opción A SEPTIEMBRE 2009 Opción A 1.- Como cada año, el inicio del curso académico, una tienda de material escolar prepara una oferta de 600 cuadernos, 500 carpetas y 400 bolígrafos para los alumnos de un IES,

Más detalles

Para cada cada valor de la función original lo multiplicas por 3 lo recorres 45 a la derecha y lo subes 5 unidades.

Para cada cada valor de la función original lo multiplicas por 3 lo recorres 45 a la derecha y lo subes 5 unidades. 3.5 Gráficas de las funciones: f(x) = a sen (bx + c) + d f(x) = a cos (bx + c) + d f(x) = a tan (bx + c) + d en donde a, b, c, y d son números reales En la sección 3.4 ya realizamos algunos ejemplos en

Más detalles

Desarrollo de un sistema capaz de optimizar rutas de entrega utilizando algoritmos genéticos

Desarrollo de un sistema capaz de optimizar rutas de entrega utilizando algoritmos genéticos MT 6 Desarrollo de un sistema capaz de optimizar rutas de entrega utilizando algoritmos genéticos Rosario Baltazar 1 Judith Esquivel Vázquez 2 Andrea Rada 3 Claudia Díaz 4 Resumen Durante los últimos 15

Más detalles

AÑO VIII 10 de noviembre de 2011 BOUC nº 14 I. DISPOSICIONES Y ACUERDOS DE LOS ÓRGANOS DE GOBIERNO DE LA UNIVERSIDAD COMPLUTENSE

AÑO VIII 10 de noviembre de 2011 BOUC nº 14 I. DISPOSICIONES Y ACUERDOS DE LOS ÓRGANOS DE GOBIERNO DE LA UNIVERSIDAD COMPLUTENSE I. DISPOSICIONES Y ACUERDOS DE LOS ÓRGANOS DE GOBIERNO DE LA UNIVERSIDAD COMPLUTENSE I.1. CONSEJO DE GOBIERNO I.1.2. Vicerrectorado de Estudios de Grado Acuerdo del Consejo de Gobierno de fecha 18 de octubre

Más detalles

Manejo de la Información

Manejo de la Información Los juegos de azar Manejo de la Información Que las y los estudiantes deduzcan y argumenten que la probabilidad de que un evento suceda está relacionada con la frecuencia en que ocurre el resultado esperado

Más detalles

Gráficas de caja. El borde derecho de la caja es el tercer cuartil, Q 3, que es la mediana de los valores que están por encima de la mediana.

Gráficas de caja. El borde derecho de la caja es el tercer cuartil, Q 3, que es la mediana de los valores que están por encima de la mediana. LECCIÓN CONDENSADA 2.1 Gráficas de caja En esta lección crearás e interpretarás las gráficas de caja para conjuntos de datos usarás el rango intercuartil (IQR) para identificar valores extremos potenciales

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. Sean A y B dos sucesos y A, B sus complementarios. Si se verifica que p( B) = 2 / 3, p( A B) = 3 / 4 y p( A B) = 1/ 4, hallar: p( A), p( A B), y la probabilidad condicionada

Más detalles

Naturaleza binaria. Conversión decimal a binario

Naturaleza binaria. Conversión decimal a binario Naturaleza binaria En los circuitos digitales sólo hay 2 voltajes. Esto significa que al utilizar 2 estados lógicos se puede asociar cada uno con un nivel de tensión, así se puede codificar cualquier número,

Más detalles

FUNCIONES 1. DEFINICION DOMINIO Y RANGO

FUNCIONES 1. DEFINICION DOMINIO Y RANGO 1. DEFINICION DOMINIO Y RANGO FUNCIONES Antes de definir función, uno de los conceptos fundamentales y de mayor importancia de todas las matemáticas, plantearemos algunos ejercicios que nos eran de utilidad

Más detalles

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6

Más detalles

MODELO DE ESTIMACIÓN DE LA ACTIVIDAD DOCENTE DE LOS DEPARTAMENTOS DE LA UNIVERSIDAD POLITÉCNICA DE MADRID

MODELO DE ESTIMACIÓN DE LA ACTIVIDAD DOCENTE DE LOS DEPARTAMENTOS DE LA UNIVERSIDAD POLITÉCNICA DE MADRID MODELO DE ESTIMACIÓN DE LA ACTIVIDAD DOCENTE DE LOS DEPARTAMENTOS DE LA UNIVERSIDAD POLITÉCNICA DE MADRID Aprobado en el Consejo de Gobierno de 27 de enero de 2011 1.- Preámbulo. 1.1 Este documento establece

Más detalles

Mod. I, Unid. 1, Obj. 1 Criterio de Dominio 1/1

Mod. I, Unid. 1, Obj. 1 Criterio de Dominio 1/1 M.R. 333 VERSION 1 Prueba Integral 1/5 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERIA MODELO DE RESPUESTA ASIGNATURA: ARQUITECTURA DEL COMPUTADOR CÓDIGO: 333 MOMENTO: PRUEBA INTEGRAL

Más detalles

MÓDULO III SEIS SIGMA ESTRATEGIA PARA LA MEJORA DE PROYECTOS

MÓDULO III SEIS SIGMA ESTRATEGIA PARA LA MEJORA DE PROYECTOS MÓDULO III SEIS SIGMA ESTRATEGIA PARA LA MEJORA DE PROYECTOS 1 ÍNDICE DEFINIR. 3 MEDIR.... 4 ANALIZAR..... 5 MEJORAR. 6 CONTROLAR... 7 GLOSARIO... 8 MAPA CONCEPTUAL. 10 2 DEFINIR: Iniciación del proyecto.

Más detalles

ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión

ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 3, Marzo 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión Autor:

Más detalles

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE Escuela de Ingeniería

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE Escuela de Ingeniería REGLAMENTO DEL PROGRAMA DE POSTGRADO EN INGENIERIA Septiembre, 2007 TITULO I DEFINICIÓN Art. 1: El Programa de Postgrado en Ingeniería depende de la Escuela de Ingeniería y es conducente a los grados académicos

Más detalles

Infraestructura Extendida de Seguridad IES

Infraestructura Extendida de Seguridad IES Infraestructura Extendida de Seguridad IES BANCO DE MÉXICO Dirección General de Sistemas de Pagos y Riesgos Dirección de Sistemas de Pagos INDICE 1. INTRODUCCION... 3 2. LA IES DISEÑADA POR BANCO DE MÉXICO...

Más detalles

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos

Más detalles