RELIABILITY EVALUATION OF A GROUP OF 3 PUMPS WITH MARKOV CHAIN MODEL EVALUACIÓN DE CONFIABILIDAD DE UN GRUPO DE 3 BOMBAS CON CADEMAS DE MARKOV
|
|
- Cristóbal Luis Aguilar Henríquez
- hace 7 años
- Vistas:
Transcripción
1 ISSN: Volumen 2 - Número 4 - Año 29 Revsta Colombana de RELIABILITY EVALUATION OF A GROUP OF 3 PUMPS WITH MARKOV CHAIN MODEL EVALUACIÓN DE CONFIABILIDAD DE UN GRUPO DE 3 BOMBAS CON CADEMAS DE MARKOV Ing. Carolna Casanova, PhD. Cesar Contreras Unversdad Naconal Expermental del Táchra Laboratoro de Instrumentacón, Control y Automatzacón, Decanato de Investgacón, Venezuela, E-mal: ccontre@unet.edu.ve Abstract: Dfferent methodologes exst to analyze the relablty of a system, n ths work descrbes the analyss wth Markov chan model and an example s done evaluatng and smulatng the relablty of a group of 3 pumps, wth redundancy of 2/3. Resumen: Exsten dferentes metodologías para analzar la confabldad de un sstema, en este trabajo se descrbe el análss de Markov y se hace un ejemplo evaluando y smulando la confabldad de un grupo de 3 bombas, con redundanca de 2/3. Keywords: Relablty, Markov chans.. INTRODUCCIÓN La hstora de la confabldad se remonta a los prmeros años 3 donde los conceptos de la probabldad se aplcaron a los problemas relaconados con la generacón de la energía eléctrca (Lyman, 933, Dhllon, 983). Durante la Segunda Guerra Mundal, los alemanes aplcaron los conceptos báscos de la confabldad para mejorar la confabldad de sus cohetes V y V2. En 947, Aeronáutcas Rado, Inc. y la unversdad de Cornell condujeron un estudo de la confabldad sobre. tubos electróncos. En 95, el departamento defensa de Estados Undos establecó a un comté ad hoc sobre confabldad y en 952 fue transformado a un cuerpo permanente: denomnado Grupo consultvo de la confabldad de equpos electróncos (AGREE). Entonces la Confabldad en general: se defne como la probabldad de que un sstema cumpla con la tarea asgnada de forma satsfactora en el período ndcado y bajo condcones especfcadas. A contnuacón se presentan tres conceptos usados para defnr la confabldad de Sstemas Eléctrcos de Potenca. Es la habldad del sstema para proveer energía eléctrca a los puntos de utlzacón en la cantdad requerda y con un nvel aceptable de caldad y segurdad. Refleja la robustez del sstema, tanto a respuestas a contngencas, contnudad del sumnstro, caldad del servco prestado. La Confabldad busca el cabal cumplmento de la funcón para la cual fue concebdo un sstema en un perodo de tempo especfcado, sn menoscabo de su vda útl. Estos conceptos muestran que la Confabldad es producto de la Segurdad que es la capacdad de respuestas a contngencas estátcas y dnámcas, La Caldad técnca y comercal junto a la contnudad del servco y a Sufcentes nstalacones para satsfacer la demanda total y las restrccones del sstema. Unversdad de Pamplona 9
2 ISSN: Volumen 2 - Número 4 - Año 29 Revsta Colombana de Hay dferentes métodos de evaluacón de la confabldad y entre estos tenemos: Reduccón de la Red Método de descomposcón Método DELTA-ESTRELLA Método de contaje de partes Método de MARKOV Para el cálculo de la confabldad hay varos tpos de dstrbucón de la probabldad, los mas usados son: Bnomal, Posson, exponencal, Raylegh, Webull, General, y Normal. En este artículo se usa para el ejemplo la dstrbucón exponencal.. Análss de Markov El análss de Markov, llamado así en honor de un matemátco ruso que desarrolló el método en 97, permte encontrar la probabldad de que un sstema se encuentre en un estado en partcular en un momento dado. Algo más mportante aún, es que permte encontrar el promedo a la larga o las probabldades de estado estable para cada estado. Con esta nformacón se puede predecr el comportamento del sstema a través del tempo. Esta es una herramenta de gran alcance del análss de la confabldad y puede ser utlzada en más casos que cualquer otro método. El método de Markov se utlza extensamente para modelar sstemas con fallas y reparacones con promedo constante. A excepcón de algunos casos especales, la técnca es aplcable a sstemas que tengan promedos de falla y reparacón dependentes del tempo. Para la solucón de los problemas se plantea una cadena de Markov y un conjunto de ecuacones dferencales facltando la solucón de los sstemas grandes y complejos. Una cadena de Markov es una sere de eventos, en la cual la probabldad de que ocurra un evento depende del evento nmedato anteror. En efecto, las cadenas de este tpo tenen memora. Recuerdan el últmo evento y esto condcona las posbldades de los eventos futuros. Esta dependenca del evento anteror dstngue a las cadenas de Markov de las seres de eventos ndependentes, como trar una moneda al are o un dado. Para esto se asumen las sguentes condcones:. Los eventos de transcón son ndependentes 2. La probabldad de transcón de un estado a otro del sstema en el ntervalo de tempo fnto t está dado por t, donde es la frecuenca de falla (o en otro caso promedo de reparacón) 3. La probabldad de que ocurra más de un evento de transcón entre un estado y otro en el tempo t es muy pequeña, es desprecable. Unversdad de Pamplona 2 2. Ecuacones 2. MÉTODO El dagrama de espaco de estado de un sstema se muestra en la fgura, el cual puede estar en operacón normal (estado ) o en falla (estado ), este sstema falla con una rata de falla constante y tambén es reparado con una rata de reparacón constante. Las ecuacones de probabldad del sstema son las sguentes: P ( t + t) = P ( t)( t) + P t P ( t + t) = P ( t)( t) + P t Donde: t: Tempo t: Probabldad de que el sstema falla en un ntervalo de tempo fnto t. (- t):es la probabldad de que no falle en un ntervalo de tempo fnto t. t: Es la probabldad de que el sstema sea reparado en un ntervalo de tempo fnto t. (- t):es la probabldad de que no se repare en un ntervalo de tempo fnto t. P (t+ t):es la probabldad de que el sstema este en el estado de operacón (estado ) en el tempo (t+ t). P (t+ t):es la probabldad de que el sstema este en el estado de falla (estado ) en el tempo (t+ t). P (t): Es la probabldad de que el sstema este en estado en el tempo t, para =,. Fg.. Sstema con dos estados: Operacón Normal y Falla En el límte las ecuacones anterores nos quedan de la sguente forma: dp dt dp dt Operacón Normal + P ( t) = P ( t) + P ( t) = P ( t) (2) Sstema Fallado ()
3 ISSN: Volumen 2 - Número 4 - Año 29 Y resolvendo este sstema de ecuacones dferencales tenemos que: ( + ) t P = + e ( + ) ( + ) (3) ( + ) t P = + e ( + ) ( + ) Por lo tanto se puede comprobar que para t= ; P ( ) = + (4) + P P ( ) = + + ( ) + P ( ) = + = + + A partr de estas ecuacones se apreca que s el numero de reparacones >> es mucho mayor que la frecuenca de falla, entonces la probabldad de que permanezca en el estado funconal va en aumento hasta tender a. En la fgura sguente se muestra esa tendenca donde > 2 > Fg. 2. Sstema de dos estados con frecuenca de fallas en dsmnucón progresva (5) (6) Revsta Colombana de Para el sstema anteror se tenen los sguentes datos: = 3 B Fallas / año TPPR B = 2 Semanas = 4. B 2 Fallas / año TPPR Semanas B2 =. 8 = 3.6 B 3 Fallas / año TPPR Semanas B3 = 2. 3 =.5 Fallas año FALLACOMUN / TPPR FALLACOMUN = 4 Semanas Depende del número de hombres En este ejercco se obtendrá:. Modelado del Sstema 2. Smulacón Dnámca 3. Resultados Análss Interpretacón. Obsérvese que se tenen las frecuencas de falla y reparacón de cada una de las bombas y de las tres a la vez. Pero no se cuentan con datos de falla y reparacón de dos bombas. Exsten varos crteros para la determnacón de estos datos, predomnando los análss actuarales como lo propone (Moubray, 997). Donde se propone una metodología basada en data técnca hstórca que representa el comportamento del sstema la cual es trascrta en una planlla de ruta de falla, de donde se determnan el TPPF y el TPPR. Sn embargo en este caso no contamos con datos hstórcos por lo tanto se utlzara para determnar la frecuenca de falla de dos bombas a la vez el esquema de redundanca de fallas. Tomamos el sstema de las tres bombas como un sstema paralelo, donde solo son necesaros 2 de las tres para que el sstema cumpla con % de sus funcón de dseño (Rocco, 26). La confabldad de que sgan funconando dos bombas de tres es: R( 2/ 3) = ( RQQ 2 3) + ( RQQ 2 3) + ( RQ 3 Q 2) R = R + R + ( 2 / 3) (2,3) (,3) R(,2) Entonces; R = R QQ (, x j = e (, t (7) (8) (9) Unversdad de Pamplona 3. RESULTADOS Β Β 2 Β 3 Fg. 3. Sstema de tres bombas 2 Donde: R : Confabldad de la bomba, evaluada como t una funcón de dstrbucón exponencal R = e : Q = R = e t R (, : Probabldad de que sgan funconando las bombas y j. A contnuacón en la Tabla Se muestran los valores de confabldad R y los valores de ausenca de confabldad Q calculados con las ecuacones anterores y usados para la smulacón del sstema.
4 ISSN: Volumen 2 - Número 4 - Año 29 Tabla : Datos de Confabldad, TPPF y TPPR, ndvduales para el cálculo de los valores por pareja. (Fallas/año) R Q 3,5, ,,2,98 28,88 3 3,6,3,97 22,66 T, A partr de la Ecuacón 9, se despeja la frecuenca de falla (,, en la Tabla 2 se muestran los valores calculados en cada combnacón. En el caso del TPPR, para efectos de ejercco se tomó el crtero del mayor tempo de reparacón de las dos bombas falladas, ya que como se explcó anterormente, no se cuentan con sufcentes datos. Revsta Colombana de Funconal, Degradado y No Operatvo, de tal forma que los detalles en cuanto a cuales son las bombas operatvas o no, para El son rrelevantes. Lo que quere decr que se podría presentar un dagrama de estado más smplfcado o sgnfcatvo, dependendo del usuaro fnal. Otro método para exhbr las probabldades de transcón es usar una matrz de transcón.. La matrz de transcón para el ejemplo del dagrama de estados se muestra en la tabla 3. Evaluando los datos de las Tablas y 2 en la Tabla 3, se obtene los elementos de la matrz del sstema, que aparecen en la Tabla 4. Tabla 3: Forma de construr la matrz de transcón de estado a partr de la Cadena de Markov Tabla 2: Datos de confabldad, TPPR y TPPF, por pareja de bombas.,j R (, l (, m (, 2,3,952,49 22,6,3,985,5 22,6,2,974,26 26 El dagrama de espaco de estado resultante tomando en cuenta todas las posbles fallas se presenta en la Fgura 4. Tabla 4: Matrz de transcón A de estado a partr de la Cadena de Markov Fg. 4: Dagrama de estado Hay que acotar que esta es una representacón completa con todos los detalles de los posbles estados, sn embargo resulta que los detalles del sstema dependen del nvel de automatzacón. En este caso los detalles son muy mportantes para mantenmento y recuperacón de la planta. En cambo un Gerente solo se nteresa por los estados: Unversdad de Pamplona 22
5 ISSN: Volumen 2 - Número 4 - Año 29 Establecendo el sstema de ecuacones dferencales P = AP con los datos de la tabla 4, se tene el conjunto de ecuacones () y smulando estas ecuacones dferencales usando para esto, la funcón ODE45 de Matlab, se obtene la solucón numérca, mostradas en la grafcas de la fgura 5. PF=,28PF+ 26PD ,6 PNF3 + 3PNF 3 + =,5 PF+,48PD PNF3 PD = PF 33,74PD , 6PNF () PNF 6, 68PNF Revsta Colombana de correccón, con accones de mantenmento preventvo. Este trabajo permte mostrar paso a paso el procedmento para aplcar el análss de confabldad con cadenas de Markov, además el programa anexo srve de ejemplo para la ejecucón de la smulacón en Matlab. 5. GLOSARIO TPPF: Tempo Promedo Para Fallar TPPR: Tempo Promedo Para Reparar 4. ANÁLISIS DE RESULTADOS Las respuestas de cada una de las varables de estado, se han agrupado como se esperaba en Funconal, Degradado y No Funconal. Al hacer un corte vertcal en cualquer tempo t la suma de las probabldades de cada estado es gual a. Además el estado Funconal tende a. Funconal REFERENCIAS Lyman, W.J., Fundamental consderaton n preparng a master system plan, Electrcal World,, , 933. Smth, S.A., Servce relablty measured by probabltes of outage, Electrcal World, 3, , 934. Dhllon, B.S., Power System Relablty, Safety and Management, Ann Arbor Scence Publshers, Ann Arbor, MI, 983 Moubray, J., Relablty Centred Mantenance, Butterworth Henemann, 997 Rocco, T, Tema : Confabldad Industral, Postgrado UNET, 26. Fg.5: Smulacón del espaco de estado Unversdad de Pamplona Degradado No Funconal 6. CONCLUSIONES De la Fgura 2 se observa como modfcando la frecuenca de falla se hace que se aumente las probabldades de que el sstema permanezca en el estado funconal. Entonces comparando con las gráfcas de la fgura 5, se extraen la sguente nformacón: s se desea la probabldad de Degradado basta con sumar cada una de las probabldades de degradado así tambén con el estado No Funconal. Que en cualquer tempo la suma de todas las probabldades es la undad. La probabldad del estado funconal tende a la undad. Se observa tambén de las grafcas que s aumenta l baja la probabldad del estado funconal, esto srve para predecr fallas, de tal manera de que se use en la 23 ANEXO A: PROGRAMA EJECUTADO EN MATLAB 5.3 functon dy = Markov(t,u) dy = [-.2884*u()+26*u(2)+28.88*u(3)+22.6*u(4)+26*u(5)+22.6 *u(6)+22.6*u(7)+3*u(8); 3*u() *u(2)+*u(3)+*u(4)+28.88*u(5)+22.66*u(6)+*u(7) +22.6*u(8); 4.*u()+*u(2) *u(3)+*u(4)+26*u(5)+*u(6)+22.6*u(7)+22.6*u(8) ; 3.6*u()+*u(2)+*u(3) *u(4)+*u(5)+26*u(6)+28.88*u(7)+26*u(8);.25*u()+4.*u(2)+3*u(3)+*u(4) *u(5)+*u(6)+*u(7)+22.6*u(8);.54*u()+3.6*u(2)+*u(3)+3*u(4)+*u(5) *u(6)+*u(7)+28.88*u(8);.48*u()+*u(2)+3.6*u(3)+4.*u(4)+*u(5)+*u(6)- 77.8*u(7)+26*u(8);.5*u()+.48*u(2)+.54*u(3)+.25*u(4)+3.6*u(5)+4. *u(6)+3*u(7)-6.68*u(8)]; [t,u]=ode45('markov',[.5],[;;;;.3;.3;.4;]); plot(t,u(:,),t,u(:,2),t,u(:,3),t,u(:,4),t,u(:,5),t,u(:,6),t,u(:,7),t,u(:, 8));
Pregunta Hoy está nublado, cuál es la probabilidad de que mañana continúe nublado? cuál es la probabilidad de que está nublado pasado mañana?
Cadenas de Marov Después de mucho estudo sobre el clma, hemos vsto que s un día está soleado, en el 70% de los casos el día sguente contnua soleado y en el 30% se pone nublado. En térmnos de probabldad,
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesFacultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística
Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar
Más detallesEstimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores
Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca
Más detallesLas acciones a considerar en el proyecto de una estructura o elemento estructural se pueden clasificar según los criterios siguientes:
CAÍTULO III ACCIONES Artículo 9º Clasfcacón de las accones Las accones a consderar en el proyecto de una estructura o elemento estructural se pueden clasfcar según los crteros sguentes: - Clasfcacón por
Más detallesDistribuciones de probabilidad
Dstrbucones de probabldad Toda dstrbucón de probabldad es generada por una varable aleatora x, la que puede ser de dos tpos: Varable aleatora dscreta (x). Se le denomna varable porque puede tomar dferentes
Más detallesEn este caso, el valor actual de una unidad monetaria pagadera al final del año de fallecimiento de
Parte III: Análss de la determnacón de las prmas en los seguros de vda y de la solvenca dnámca del asegurador cuando los tpos de nterés de valoracón venen estmados a través de números borrosos.4. SEGURO
Más detallesVida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad
Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede
Más detallesTema 21: Distribución muestral de un estadístico
Análss de Datos I Esquema del Tema 21 Tema 21: Dstrbucón muestral de un estadístco 1. INTRODUCCIÓN 2. DISTRIBUCIÓN MUESTRAL DE LA MEDIA 3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN Bblografía * : Tema 15
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejerccos y Talleres puedes envarlos a klasesdematematcasymas@gmal.com www.klasesdematematcasymas.com EJERCICIOS DE REGRESIONES Y ANALISIS DE COVARIANZA Analzar la nformacón recoplada por medo de los dferentes
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 detallesDESARROLLO DE APLICACIONES DOCENTES MEDIANTE POWERWORLD
DESARROLLO DE APLICACIONES DOCENTES MEDIANTE POWERWORLD Elvra Fernández, Esther Torres, Igor Albzu, Sergo Mguélez Departamento de Ingenería Eléctrca, Unversdad del País Vasco epfehee@b.ehu.es RESUMEN Uno
Más detallesAspectos fundamentales en el análisis de asociación
Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene
Más detallesAnálisis de Resultados con Errores
Análss de Resultados con Errores Exsten dos tpos de errores en los expermentos Errores sstemátcos errores aleatoros. Los errores sstemátcos son, desde lejos, los más mportantes. Errores Sstemátcos: Exsten
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 detallesANEXO 24 JUSTIFICACIÓN ECONÓMICA
ANEXO 24 JUSTIFICACIÓN ECONÓMICA 1 JUSTIFICACION ECONOMICA 1.0 MARCO DE REFERENCIA El plan de Expansón de del Sstema de Transmsón (PEST), tene el objetvo de planfcar la expansón y reposcón del sstema de
Más detallesCAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS
CAPITULO CUATRO MEDIDAS DE DISPERSION, ASIMETRIA Y CURTOSIS El conocmento de las meddas de centralzacón no es sufcente para caracterzar completamente a una dstrbucón por ejemplo: s las edades medas de
Más detalles4 BALANZA DE MOHR: Contracción de mezcla alcohol/h2o
4 LNZ DE OHR: Contraccón de mezcla alcohol/h2o CONTENIDOS Defncones. Contraccón de una ezcla. olumen específco deal y real. Uso de la balanza de ohr. erfcacón de Jnetllos. Propagacón de Errores. OJETIOS
Más detalles4. PROBABILIDAD CONDICIONAL
. ROBBILIDD CONDICIONL La probabldad de que ocurra un evento B cuando se sabe que ha ocurrdo algún otro evento se denomna robabldad Condconal, Se denota como (B/) y se lee como la probabldad de que ocurra
Más detallesUNIVERSIDAD DE CUENCA FACULTAD DE INGENIERÍA ESCUELA DE ELÉCTRICA
UNIVESIDAD DE CUENCA FACULTAD DE INGENIEÍA ESCUELA DE ELÉCTICA ANÁLISIS DE CONFIABILIDAD DEL SISTEMA DE DISTIBUCIÓN DE LA EMPESA ELÉCTICA EGIONAL CENTOSU C.A. Tess preva a la obtencón del Título de Ingenero
Más detallesAnálisis de Varianza no paramétricos
Capítulo VII Análss de Varanza no paramétrcos Anova de Kruskal-Walls Anova de Fredman Anova de Q de Cochran Introduccón Las técncas de análss de varanza no paramétrcos son útles cuando los supuestos de:
Más detallesTÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3
PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO
Más detallesMODELOS DE SECUENCIACIÓN EN MÁQUINAS 1
odelos de secuencacón de tareas en máqunas Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu ODELOS DE SECUENCIACIÓN EN ÁQUINAS odelos de secuencacón de tareas
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesCAPÍTULO IV METODOLOGÍA. Para llevar a cabo la investigación se ha tenido en cuenta el siguiente diseño:
CAPÍTUL IV METDLGÍA 1. Dseño y técnca de nvestgacón Para llevar a cabo la nvestgacón se ha tendo en cuenta el sguente dseño: 1. Investgacón con medcón preva y posteror con grupo de control.. Las undades
Más detallesa) Qué población (la de hombres o la de mujeres) presenta un salario medio mayor? b) Qué porcentaje de varones gana más de 900?
EJERCICIO 1. A contnuacón tene dos dstrbucones por sexo y salaro declarado en el prmer empleo tras obtener la lcencatura de un grupo de ttulados por la UNED. Salaro en Hombres en % Mujeres en % < de 600
Más detallesTema 1: Jerarquía Digital Síncrona, SDH Disponibilidad de Sistemas
Tema : Jerarquía Dgtal Síncrona, SDH Dsponbldad de Sstemas Tecnologías de red de transporte de operadora MÁSTER EN INGENIERÍ TELEMÁTIC Profesor: Espín Defncones Fabldad (Relablty): Probabldad de que el
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesCAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED
Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detalles4. REPRESENTACIONES GRÁFICAS PARA DATOS CATEGÓRICOS.
4. REPRESETACIOES GRÁFICAS PARA DATOS CATEGÓRICOS. Cuando se manejan fenómenos categórcos, se pueden agrupar las observacones en tablas de resumen, para después representarlas en forma gráfca como dagramas
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa
Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,
Más detallesEDO: Ecuación Diferencial Ordinaria Soluciones numéricas. Jorge Eduardo Ortiz Triviño
EDO: Ecuacón Dferencal Ordnara Solucones numércas Jorge Eduardo Ortz Trvño Organzacón general Errores en los cálculos numércos Raíces de ecuacones no-lneales Sstemas de ecuacones lneales Interpolacón ajuste
Más detalles3 - VARIABLES ALEATORIAS
arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr
Más detallesCONTRIBUCIÓN A LA MEJORA DE RESOLUCIÓN DE LOS SISTEMAS DE OBTENCIÓN DE IMÁGENES POR ULTRASONIDOS
UNIVERSITAT POLITÈCNICA DE CATALUNYA Departament d Engnyera Electrònca CONTRIBUCIÓN A LA MEJORA DE RESOLUCIÓN DE LOS SISTEMAS DE OBTENCIÓN DE IMÁGENES POR ULTRASONIDOS Autor: Jord Salazar Soler Drector:
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detalles5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.
Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las
Más detallesEL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA
EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de
Más detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detallesDESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO
Clascacón: Emtdo para Observacones de los Coordnados Versón: 1.0 DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Autor Dreccón de Operacón Fecha Creacón 06-04-2010 Últma Impresón 06-04-2010 Correlatvo
Más detallesEnlaces de las Series de Salarios. Metodología
Enlaces de las eres de alaros Metodología ntroduccón La Encuesta de alaros en la ndustra y los ervcos (E, cuyo últmo cambo de base se produjo en 996) ha sufrdo certas modfcacones metodológcas y de cobertura,
Más detallesUna matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, son números ordenados en filas y columnas.
MATRICES Las matrces se utlzan en el cálculo numérco, en la resolucón de sstemas de ecuacones lneales, de las ecuacones dferencales y de las dervadas parcales. Además de su utldad para el estudo de sstemas
Más detallesCAPÍTULO III ACCIONES. Artículo 9º Clasificación de las acciones. Artículo 10º Valores característicos de las acciones. 10.
CAÍTULO III ACCIONES Artículo 9º Clasfcacón de las accones Las accones a consderar en el proyecto de una estructura o elemento estructural serán las establecdas por la reglamentacón específca vgente o
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesT. 5 Estadísticos de forma de la distribución
T. 5 Estadístcos de forma de la dstrbucón 1 1. Asmetría 2. Apuntamento o curtoss Ya ha sdo abordado en temas precedentes el análss de la forma de la dstrbucón de frecuencas desde una aproxmacón gráfca.
Más detalles3 LEYES DE DESPLAZAMIENTO
eyes de desplazamento EYES DE DESPAZAMIENTO En el capítulo dos se expone el método de obtencón de las leyes de desplazamento dseñadas por curvas de Bézer para mecansmos leva palpador según el planteamento
Más detallesGráficos de flujo de señal
Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo
Más detalles1.- Objetivo Alcance Metodología...3
PROCEDIMIENTO DO PARA EL CÁLCULO DEL FACTOR DE DESEMPEÑO DEL CONTROL DE FRECUENCIA (FECF) EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE 1.- Objetvo...3 2.- Alcance...3 3.- Metodología...3 3.1.- Cálculo de la
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detallesMÉTODO DE SUPERPOSICIÓN MODAL RESUMEN
CAPÍTULO ÉTODO DE SUPERPOSICIÓN ODAL RESUEN Se presenta el marco teórco del étodo de Superposcón odal a partr de la solucón de un sstema de ecuacones dferencales acopladas que gobernan los problemas dnámcos.
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detallesUNIVERSIDAD TECNOLÓGICA DE PANAMÁ H. R. Alvarez A., Ph. D.
Qué es capacdad? La cantdad de producto, sea este tangble o ntangble, que puede producrse bajo condcones dadas de operacón Las meddas relatvas al producto son normalmente utlzadas por organzacones enfocadas
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más 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 detallesIDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR
IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesINSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA
PÁCTICA 1. INSTUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADO DE POTENCIA 1.1 Objetvos El objetvo de esta práctca consste en presentar los nstrumentos y las técncas de medda habtualmente utlzadas para
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 detallesTema 3. Teoremas de la Teoría de Circuitos
Tema 3. Teoremas de la Teoría de Crcutos 3.1 Introduccón 3. Superposcón 3.3 Transformacón de fuentes 3.4 Teorema de Theenn 3.5 Teorema de Norton V Th Th L 3.6 Máxma transferenca de potenca José. Pereda,
Más detallesJuegos Bayesianos. Tema 1: Tipos, Creencias y Equilibrio Bayesiano. Universidad Carlos III de Madrid
Juegos Bayesanos Tema 1: Tpos, Creencas y Equlbro Bayesano Unversdad Carlos III de Madrd Repaso: Juego estátco con Informacón completa Jugadores Estrategas (accones) Pagos para cada combnacón de estrategas
Más detallesCAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA
CAPÍTULO X ESTADÍSTICA APLICADA A LA HIDROLOGIA 0. INTRODUCCIÓN. Los estudos hdrológcos requeren del análss de nformacón hdrometeorológca, esta nformacón puede ser de datos de precptacón, caudales, temperatura,
Más detallesTERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA
Ing. Federco G. Salazar Termodnámca del Equlbro TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Contendo 1. Conversón y Coordenada de Reaccón. 2. Ecuacones Independentes y Regla
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más 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 detallesRegresión y correlación Tema 8. 1.1 Contraste sobre β 1.2 Regresión en formato ANOVA. 2. Correlación. Contraste sobre ρ xy
Unversdad Autónoma de Madrd 1 Regresón y correlacón Tema 8 1. Regresón lneal smple 1.1 Contraste sobre β 1. Regresón en formato ANOVA. Correlacón. Contraste sobre ρ xy Análss de Datos en Pscología II Tema
Más detallesINTRODUCCIÓN... 43 OBJETIVOS GENERALES... 3. Estadística Aplicada OBJETIVOS PARTICULARES... 4 CONCEPTOS BÁSICOS... 5 ACTIVIDADES
Índce INTRODUCCIÓN... OBJETIVOS GENERALES... 3 OBJETIVOS PARTICULARES... 4 CONCEPTOS BÁSICOS... 5 ESTADÍSTICA DESCRIPTIVA INTRODUCCIÓN... 8 RECOLECCIÓN DE DATOS... 8 TEORÍA DEL MUESTREO... 8 TRATAMIENTO
Más detallesAnexo Nº 1 A. METAS DE GESTIÓN PARA EPSSMU S.R.L. CORRESPONDIENTES AL SIGUIENTE QUINQUENIO
Anexo Nº 1 1. METAS DE GESTIÓN A. METAS DE GESTIÓN PARA EPSSMU S.R.L. CORRESPONDIENTES AL SIGUIENTE QUINQUENIO Metas de Gestón Incremento anual del número de conexones domclaras de agua potable (1) Incremento
Más detallesMaterial realizado por J. David Moreno y María Gutiérrez Universidad Carlos III de Madrid Asignatura: Economía Financiera
Economía Fnancera- Unversdad Carlos III de Madrd Tema 3- Caracterzacón de los actvos y carteras: Rentabldad resgo Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura:
Más detallesVII. Solución numérica de ecuaciones diferenciales
VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las
Más detalles) para toda permutación (p p 1 p
09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de
Más detallesCAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO. Como se explica en el capítulo 4, una anualidad es una serie de pagos que se realizan
CAPITULO 7. METODOLOGÍA DEL PLAN DE PENSIONES ALTERNATIVO 7. Anualdad de Vda Como se elca en el caítulo 4, una anualdad es una sere de agos que se realzan durante un temo determnado, nombrándose a esta
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 detallesINSTITUTO POLITECNICO NACIONAL SECRETARIA ACADEMICA DIRECCION DE ESTUDIOS PROFESIONALES EN INGENIERIA Y CIENCIAS FISICO MATEMATICAS
ESCUELA: CARRERA: ESPECALDAD: COORDNACON: DEPARTAMENTO: UPCSA NGENERA EN TRANSPORTE ACADEMAS DE MATEMATCAS CENCAS BASCAS ASGNATURA: MATEMATCAS APLCADAS : TMMA SEMESTRE: 4 CREDTOS: 8 VGENTE: ENERO 2000
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detallesAdenda. Análisis de Sistemas Eléctricos. Curso 2007/2008. (Código 524141) Equipo Docente de la asignatura
NVERDAD NACONAL DE EDCACÓN A DTANCA Departamento de ngenería Eléctrca, Electrónca y de Control E.T.. DE NGENERO NDTRALE Análss de stemas Eléctrcos Adenda Curso 7/8 (Códgo 544) Equpo Docente de la asgnatura
Más detallesANEXO 1 REQUERIMIENTOS MÍNIMOS PARA LA FUNCIONALIDAD DE LOS EQUIPOS REGISTRADORES DE FALLA 1. CONSIDERACIÓN GENERAL
ANEXO REQUERIMIENTOS MÍNIMOS PARA LA FUNCIONALIDAD DE LOS EQUIPOS REGISTRADORES DE FALLA. CONSIDERACIÓN GENERAL Para el adecuado análss de un Evento ocurrdo en el SEIN, es necesaro dsponer de nformacón
Más detallesVariables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:
Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón
Más detallesIntroducción a Vacío
Introduccón a Vacío Sstema de vacío Partes generales de un sstema de vacío: Fgura 1: Sstema de vacío con bomba mecánca y dfusora Fgura 2: Prncpo de funconamento de la bomba mecánca La Fg. 2 muestra el
Más detallesConsecuencias del Primer Principio 22 de noviembre de 2010
Índce 5 CELINA GONZÁLEZ ÁNGEL JIMÉNEZ IGNACIO LÓEZ RAFAEL NIETO Consecuencas del rmer rncpo 22 de novembre de 2010 1. Ecuacón calórca del gas deal 1 Cuestones y problemas: C 2.4,10,11,12,16,19 1.1,3 subrayados
Más detalles6.9 El trazador cúbico
4.9 El trazador cúbco El polnomo de nterpolacón es útl s se usan pocos datos y que además tengan un comportamento polnomal, así su representacón es un polnomo de grado bajo y adecuado. S no se cumplen
Más detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detallesFacultad de Ciencias Básicas
Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas
Más detallesSEMANA 13. CLASE 14. MARTES 20/09/16
SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
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 detalles6. SEPARACION DE FASES INSTANTANEO
6. SEPARACION DE FASES INSTANTANEO 1. OBJETIVOS 1.1. Determnar el número de grados de lbertad en un separador de fases nstantáneo 1.2. Smular un separador de fases sotérmco adabátco y no adabátco 1.3.
Más detallesDpto. Física y Mecánica
Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D
Más detallesSISTEMAS DE ECUACIONES DIFERENCIALES
DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS AROXIMADOS EN ING. QUÍMICA TF-33 SISTEMAS DE ECUACIONES DIFERENCIALES Esta guía fue elaborada por: rof.
Más detallesFUNDAMENTOS QUIMICOS DE LA INGENIERIA
FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE
Más detallesDeterminación de Puntos de Rocío y de Burbuja Parte 1
Determnacón de Puntos de Rocío y de Burbuja Parte 1 Ing. Federco G. Salazar ( 1 ) RESUMEN El cálculo de las condcones de equlbro de fases líqudo vapor en mezclas multcomponentes es un tema de nterés general
Más detallesEJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.
EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesIMPLEMENTACIÓN PRÁCTICA DE UN BANCO DE FILTROS UNIFORME. S Q Salida del filtro Q h(n) Filtro s(n) Señal L Tamaño de la ventana del filtro 0 # n # L-1
IMPEMEACIÓ PRÁCICA DE U BACO DE FIROS UIFORME En este tpo de bancos, la forma de la respuesta espectral de cada uno de los fltros es la msma, y su frecuenca central se raparte de manera unforme en el espectro:
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesCALCULO DE CENTROS DE MASA ! =
CLCULO DE CENTOS DE S EXPESION GENEL: La poscón del centro de masas de un sstema de partículas vene dada por la expresón: r C.. m r m m r (1) donde es la masa total del sstema de partículas. Esta es una
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detalles