Análisis de regresión logística aplicado a la clasificación textos académicos: Biometría y Filosofía
|
|
- Julia Farías Salazar
- hace 7 años
- Vistas:
Transcripción
1 50 Análisis d rgrsión logística aplicado a la clasificación txtos académicos: Biomtría y Filosofía Analysis of Logistic Rgrssion Applid to th Classification of Acadmic Txts: Biomtrics and Philosophy Clina Bltrán Facultad d Cincias Agrarias, Univrsidad Nacional d Rosario, Argntina bltranc36@yahoo.com.ar Abstract This work is aimd to continu with th application of th multivariat static analysis carrid out in Bltrán (2010). This papr mploys th rsulting information of th automatic analysis of acadmic txts coming from diffrnt scintific aras (Biomtrics and Philosophy) to constitut a databas on which th logistic rgrssion tchniqu is applid. This application diffrs from th discriminant analysis usd on a prvious work mainly in th rquird assumptions about th distributions of variabls and th rsulting information of th valuatd modl. This study allows an analysis that shows thos charactristics that discriminat th analyzd txts corpora as working with th absolut frquncy of diffrnt morphosyntactic catgoris. Th significant variabls constituting th proposd modl corrspond to two catgoris: advrbs and clitics. Th stimatd odds ratio shows that th possibilitis of classifying a txt in a corpus of Biomtrics incras to 62% if raising th amount of clitics in th unit, whil th possibilitis of classifying a txt in a corpus of Philosophy incras to 41% if raising th amount of advrbs in th unit. Th global rror rat stimatd by cross validation is 19%. Kywords: multivariat logistic rgrssion multivariat analysis automatic txt analysis. Rsumn Est trabao prtnd continuar la aplicación dl análisis stadístico multivariado llvada a cabo n Bltrán (2010). En st artículo s utiliza la información rsultant dl análisis automático d txtos académicos provnints d distintas áras cintíficas (Biomtría y Filosofía) para conformar una bas d datos sobr la cual s aplica la técnica d rgrsión logística. Esta aplicación prsnta difrncias rspcto al análisis discriminant aplicado n un trabao antrior principalmnt n los supustos rquridos sobr las distribucions d las variabls y n la información rsultant dl modlo stimado. El studio prmit un análisis n l cual s vidncian aqullas caractrísticas qu discriminan los corpus d txtos analizados trabaando con las frcuncias absolutas d las distintas catgorías morfosintácticas. Las variabls significativas qu conforman l modlo propusto corrspondn a dos catgorías: advrbios y clíticos. Los odds ratio stimados vidncian qu la
2 51 chanc d clasificar a un txto dntro dl corpus d Biomtría s incrmnta n un 62% al aumntar n númro d clíticos n una unidad, mintras qu la chanc d clasificarlo n l corpus d Filosofía aumnta un 41% al incrmntars n una unidad l númro d advrbios. La tasa d rror global stimada por validación cruzada s dl 19%. Palabras clavs: Rgrsión logística multivariada, análisis multivariado, análisis automático d txtos. 1. INTRODUCCION Est trabao prtnd continuar l análisis stadístico multivariado llvado a cabo n Bltrán (2010). El analizador morfológico Smorph, implmntado como tiqutador, s utilizado para asignar una catgoría morfológica a todas las ocurrncias lingüísticas. S utiliza la información rsultant dl análisis automático d txtos académicos provnints d distintas áras cintíficas (Biomtría y Filosofía) para conformar una bas d datos sobr la cual s aplica la técnica d rgrsión logística. Esta aplicación prsnta difrncias rspcto al análisis discriminant aplicado n trabaos prvios principalmnt n los supustos rquridos sobr las distribucions d las variabls y n la información rsultant dl modlo stimado. El análisis discriminant y la técnica d rgrsión logística son técnicas ampliamnt utilizadas cuando s tin por obtivo idntificar l grupo al cual prtnc una unidad xprimntal. En st caso la rgrsión logística prtnd prdcir l corpus al cual prtnc un txto n función d la información rlvada n l análisis automático d los mismos. A difrncia dl análisis discriminant no s rquir l supusto d normalidad multivariada dl conunto d variabls rgrsoras, lo cual prmit trabaar con las variabls originals qu rsultan dl análisis morfológico sin ncsidad d transformarlas. Mdiant la intrprtación d los coficints dl modlo stimado s busca hallar las caractrísticas, considrándolas simultánamnt a todas llas, provnints dl análisis automático d los txtos qu son más discriminatorias d las áras cintíficas d las cuals provinn. 2. MATERIAL Y METODOS 2.1. Disño d la mustra El marco mustral para la slcción d la mustra s l utilizado n trabaos antriors. Está compusto por txtos académicos, rsúmns d trabaos prsntados a congrsos y rvistas, xtraídos d intrnt prtncints a las disciplinas: Biomtría y Filosofía. La unidad d mustro fu l txto y la slcción d la mustra s llvó a cabo mplando un disño mustral stratificado con slcción proporcional al tamaño, sindo la mdida d tamaño l númro d palabras dl txto. Las mustras d los dos stratos furon valuadas y comparadas rspcto al númro mdio d palabras por txto. Esta comparación s rquir para vitar qu la discriminación ntr las disciplinas s va afctada por l tamaño d los txtos. La conformación d la mustra final s prsnta n la tabla 1. Tabla 1. Conformación d la mustra final
3 52 Mustra Nro. d txtos Cantidad d palabras Biomtría Filosofía Etiqutado: Análisis morfológico d los txtos El softwar Smorph, analizador y gnrador morfosintáctico dsarrollado n l Group d Rchrch dans ls Industris d la Langu (Univrsidad Blais-.Pascal, Clrmont II) por Salah Aït- Mokhtar (1998) raliza n una sola tapa la toknización y l análisis morfológico. A partir d un txto d ntrada s obtin un txto lmatizado con las formas corrspondints a cada lma (o a un subconunto d lmas) con los valors corrspondints. S trata d una hrraminta dclarativa, la información qu utiliza stá sparada d la maquinaria algorítmica, n conscuncia, pud adaptars a distintos usos. Con l mismo softwar s pud tratar cualquir lngua si s modifica la información lingüística dclarada n sus archivos. Smorph compila, minimiza y compacta la información lingüística qu quda disponibl n un archivo binario. Los códigos funt s dividn n cinco archivos: Códigos ASCII, Rasgos, Trminacions, Modlos y Entradas. En l archivo ntradas, s dclaran los ítms léxicos acompañados por l modlo corrspondint. Est indicador d modlo oficia d nlac con l archivo modlos, n l qu s spcifica la información morfológica y las trminacions qu s rquirn n cada ítm. El archivo modlos, s l qu introduc la información corrspondint a los modlos d flxions morfológicas, mintras qu n l archivo trminacions s ncsario dclarar todas las trminacions qu son ncsarias para dfinir los modlos d flxión. Las tiqutas corrspondints a los rasgos morfológicosintácticos son organizadas rárquicamnt n l archivo rasgos. Por último, n l archivo d códigos ASCII s spcifican, ntr otros, los caractrs sparadors y las quivalncias ntr mayúsculas y minúsculas. El módulo post-smorph MPS s un analizador qu rcib n ntrada una salida Smorph (n formato Prolog) y pud modificar las structuras d datos rcibidos. Ecuta dos funcions principals: la Rcomposición y la Corrspondncia, qu srán útils para rsolvr las ambigüdads qu rsultn dl análisis d Smorph. La información contnida n stos archivos s la prsntada n Bltrán (2009) para implmntar l tiqutador Disño y dsarrollo d la bas d datos El rsultado dl análisis d Smorph-Mps s almacna n un archivo d txto. Esta s la información qu contndrá la bas d datos. Mdiant una función dfinida n l sistma stadístico R s logra captar la información rsultant dl análisis morfológico y disponrla n una matriz d dimnsión: tantas filas como cantidad d obtos lingüísticos tnga l txto y tantas columnas como ocurrncia+lma+valors. D sta manra s obtin una bas d datos con la structura qu s mustra n la tabla 2. Tabla 2. Fragmnto d la bas d datos obtnida MUESTRA TEXTO OCURRENCIA LEMA ETIQUETA 1 1 El El dt 1 1 problma problma nom
4 d D prp 1 1 las El dt 1 1 sris Sri nom 1 1 d D prp 1 1 timpo Timpo nom 1 1 s Lo cl 2 1 Uno Uno pron 2 1 d D prp 2 1 los El dt 2 1 agnts Agnt nom 2 1 qu Qu rl 2 1 ha Habr aux 2 1 provocado provocar v 2 1 una Una dt 2 1 vrdadra vrdadra ad 2 1 transformación transformación nom 2 1 n En prp Abrviaturas: ad : adtivo art : artículo nom : nombr prp : prposición v : vrbo adv : advrbio cl : clítico aux : auxiliar cop : copulativo pun : signo d puntuación Lugo, a partir d sta bas d datos por palabra (cada unidad o fila s una palabra analizada dl txto), s confcciona la bas d datos por documnto qu srá analizada stadísticamnt. Esta s una nuva bas, dond cada unidad s l txto, qu rtin la información d las variabls indicadas n la tabla 3.a con la structura prsntada n la tabla 3.b. CORPUS TEXTO ad adv cl cop dt nom prp v otro total_pal Tabla 3.a. Variabls d la bas d datos por documnto Corpus al qu prtnc l txto Idntificador dl txto dntro dl corpus cantidad d adtivos dl txto cantidad d advrbios dl txto cantidad d clíticos dl txto cantidad d copulativos dl txto cantidad d dtrminants dl txto cantidad d nombrs (sustantivos) dl txto cantidad d prposicions dl txto cantidad d vrbos dl txto cantidad d otras tiqutas dl txto cantidad total d palabras dl txto Tabla 3.b. Fragmnto d la bas d datos para análisis stadístico CORPUS TEXTO ad adv cl cop dt nom prp v OTRO TOTAL_PAL
5 Análisis d rgrsión Logística El modlo La rgrsión logística s utilizada n situacions n las cuals l obtivo s dscribir la rlación ntr una variabl rspusta catgórica, n st caso dicotómica, y un conunto d variabls xplicativas qu pudn sr tanto catgóricas como cuantitativas. Sa x un vctor d p variabls indpndints, sto s, x = (x 1, x 2,, x p ). La probabilidad condicional d qu la variabl y tom l valor 1 (prsncia d la caractrística studiada), dado valors d las covariabls x s: g ( 1 P x) 0 1x... px p 1 g( x) y 1 X ( x) g( x) dond β 0 s la constant dl modlo o término indpndint p l númro d covariabls βi los coficints d las covariabls xi las covariabls qu forman part dl modlo. Si alguna d las variabls indpndints s una variabl discrta con k nivls s db incluir n l modlo como un conunto d k-1 variabls d disño o variabls dummy. El cocint d las probabilidads corrspondints a los dos nivls d la variabl rspusta s dnomina odds y su xprsión s: Py 1 X 0 1x1... px p 1 Py 1 X Si s aplica l logaritmo natural, s obtin l modlo d rgrsión logística: y 1 X 01x1... pxp log( ) 0 1x... pxp Py 1 X P log 1 1 En la xprsión antrior l primr término s dnomina logit, sto s, l logaritmo d la razón d proporcions d los nivls d la variabl rspusta Estimación y significación d los coficints dl modlo
6 55 Sa una mustra alatoria d n obsrvacions indpndints d pars x i, y i para i=1,2,...,n. El β 0, 1, 2,..., obtivo s stimar l vctor d parámtros p por l método d Máxima Vrosimilitud. Las p+1 cuacions a rsolvr s obtinn drivando la función d vrosimilitud rspcto a cada uno d los parámtros dl modlo igualando a cro. Las cuacions qudan xprsadas d la siguint manra: n i1 n i1 x y i ( x y ( x ) 0 1,2,..., p i i ) 0 i Las solucions d stas cuacions son los stimadors máximo vrosímils d cada uno d los β 0, 1, 2,..., componnts dl vctor d parámtros p, qu s simboliza β ˆ ˆ, ˆ, ˆ,..., ˆ p. Asimismo, d acurdo al método d stimación por máxima vrosimilitud, los stimadors d las variancias y covariancias s obtinn a partir d las drivadas parcials sgundas d la función d vrosimilitud. Para comprobar la significación stadística d cada uno d los coficints d rgrsión n l modlo s pud utilizar, ntr otros, l tst d Wald y l tst d razón d vrosimilituds Intrprtación d los coficints stimados Los β stimados rprsntan tasa d cambio d una función d la variabl dpndint y por unidad d cambio d la variabl indpndint x. El coficint β i xprsa l cambio rsultant n la scala d mdida d la variabl y para un cambio unitario d la variabl x. Por mplo, para la variabl x 1, β 1 = g(x 1 +1) g(x 1 ) rprsnta l cambio n l logit frnt a un incrmnto d una unidad n la variabl x 1. La intrprtación s hac n términos d la razón d Odds (OR). OR P( Y 1/ x 1) P Y ( 0/ x 1) P( Y 1/ x ) P Y ( 0/ x ) x... ( x 1)... x 0 x... x... x p p p p Slcción d variabls Una custión important n st tipo d análisis s dtrminar si todas las variabls considradas n la función d discriminant continn información útil y si solamnt algunas d llas son suficints para difrnciar los grupos (n st caso las disciplinas). Dado qu las variabls utilizadas para xplicar la rspusta s probabl qu stén corrlacionadas, s posibl también qu
7 56 compartan información. Por lo tanto, s pud buscar un subgrupo d variabls mdiant algún critrio d modo tal qu las variabls xcluidas no contngan ninguna información adicional. Existn varios algoritmos d slcción d variabls, ntr llos podmos citar: Método forward: cominza por slccionar la variabl más important y continúa slccionando las variabls más importants una por vz, usando un critrio bin dfinido. Uno d stos critrios involucra l logro d un nivl d significación dsado pr-stablcido. El procso trmina cuando ninguna d las variabls rstants ncuntra l critrio pr-spcificado. Método backward: cominza con l modlo más grand posibl. En cada paso dscarta la variabl mnos important, una por vz, usando un critrio similar a la slcción forward. Continúa hasta qu ninguna d las variabls puda sr dscartada. Slcción paso a paso: combina los dos procdimintos antriors. En un paso, una variabl pud ntrar o salir dsd la lista d variabls importants, d acurdo a algún critrio pr-stablcido Bondad d aust dl modlo: En st trabao s utilizó como valuación dl aust dl modlo l tst d Hosmr-Lmshow. Esta pruba propon un agrupaminto basado n las probabilidads stimadas por l modlo. Agrupa los n sutos n g patrons sgún critrios stadísticos. La stadística dl tst s obtin calculando la stadística chi-cuadrado d Parson qu compara las frcuncias obsrvadas y las stimadas, n cada grupo y catgoría d la variabl rspusta, sto s, la stadística chi-cuadrado calculada a partir d una tabla 2 x g. La ausncia d significación d la misma indica un bun aust dl modlo. Otra mdida qu prmit valuar l modlo cuando s utilizado para clasificar unidads n dos grupos s la tasa d rror stimada por validación cruzada. 3. RESULTADOS 3.1. Análisis prliminar. La primra comparación qu s raliza, como ya s mncionó al dscribir la mustra, s la dl númro d palabras por txto. La misma s llva a cabo mdiant l tst no paramétrico d Wilcoxon para mustras indpndints arroando una probabilidad asociada p=0.796, vidnciando qu no xistn difrncias significativas ntr los corpus rspcto al tamaño d los txtos. Comparacions similars ntr los corpus s llvan a cabo para las rstants variabls hallando difrncias significativas (p<0.05) para l númro d clíticos y d advrbios n los documntos analizados (Tabla 4). El númro d clíticos s mayor n los txtos d biomtría y l númro d advrbios s suprior n los txtos d filosofía. Tabla 4. Comparación mdiant tst d Wilcoxon Númro promdio d: BIOMETRIA FILOSOFIA Gnral Valor d p adtivos 17,9 21,3 19,6 0,54861 advrbios 2,9 5,9 4,4 0,01046 clíticos 4,1 2,7 3,4 0,00698 Copulativos 4,7 6,0 5,4 0,11850 Dtrminants 26,8 32,4 29,6 0,35490 Nombrs 44,6 45,0 44,8 0,55400 Prposición 30,0 29,7 29,9 0,67317 Vrbos 16,1 18,4 17,2 0,85882 Otro 18,8 21,4 20,1 0,85318
8 57 TOTAL_PALABRAS 165,8 182,9 174,4 0, Análisis d Rgrsión Logística S ralizó un análisis d rgrsión logística para obtnr una rgla d clasificación qu prmita asignar los txtos n stas dos poblacions, dfinidas por l ára cintífica a la qu prtncn, n bas a la frcuncia d cada catgoría gramatical n l txto. Considrando todas las catgorías s obtin l siguint modlo d rgrsión logística: Tabla 5: Coficints dl modlo d rgrsión logística Estimación máximo vrosímil Coficint gl Estimador Error stándar Est. Chicuadrado Prob. asociada Intrcpto Ad Adv Cl Cop Dt Nom Prp V Est modlo prmit, mdiant la utilización d los coficints stimados, calcular para cada txto la probabilidad d prtncr a cada uno d los corpus. P P 0 1x1... ( x 1)... p x p y 1 X ( x) 0 1x1... ( x 1)... p x p 1 y 0 X ( x) 0 1x1... ( x 1)... pxp 1 Con st critrio un txto s asignado al corpus cuya probabilidad s máxima. Aplicando st modlo como rgla d clasificación y stimando por validación cruzada, la tasa d rror global qu s obtin s dl 18% (Tabla 6). Tabla 6: Tasa d rror stimada Tasa d rror por corpus BIOMETRIA FILOSOFIA Total Tasa 16.7% 20% 18.3% 1
9 58 Para dtrminar cuáls catgorías gramaticals son las rsponsabls d la discriminación s utilizaron los trs algoritmos d slcción d variabls. En todos los casos s llga al mismo rsultado: las variabls qu logran difrnciar a los dos corpus d txtos analizados son l númro d advrbios y d clíticos. El modlo final stimado lugo d la slcción d variabls s mustra n la tabla 7 y las razons d odds rsultants n la tabla 8. Tabla 7: Coficints dl modlo d rgrsión logística final Estimación máximo vrosímil Coficint gl Estimador Error stándar Est. Chicuadrado Prob. asociada Intrcpto adv cl Efcto Tabla 8: Razons d odds stimadas Razón d odds Estimación puntual IC 95% adv cl La bondad dl aust d valúa mdiant l tst d Hosmr-Lmshow y la tasa d rror d clasificación. Con l modlo d rgrsión logística obtnido durant la slcción d variabls s obtin una tasa d rror global dl 19% mdiant validación cruzada (Tabla 9) y la probabilidad asociada n l tst d bondad d aust s p= vidnciando lo adcuado dl modlo. Tabla 9: Tasa d rror stimada Tasa d rror por corpus BIOMETRIA FILOSOFIA Total Tasa 18% 20% 19% Los coficints dl modlo d rgrsión logística prmitn la intrprtación d la misma. Las difrncias ntr los dos tipos d txtos s basan fundamntalmnt n l númro d clíticos y d advrbios prsnts. La razón d odds para l númro d clíticos s 1.62 lo cual indica qu la chanc d clasificar a un txto dntro dl corpus d Biomtría s incrmnta n un 62% al aumntar n númro d clíticos n una unidad. Con rspcto al númro d advrbios la razón d odds s mnor a la unidad por lo tanto si s intrprta l rcíproco, 1/0.71=1.41, significa qu la chanc d clasificar un txto n l corpus d Filosofía aumnta un 41% al incrmntars n una unidad l númro d advrbios. 6. CONCLUSIONES
10 59 Los rsultados dl análisis morfológico d los txtos s analizaron tnindo n cunta simultánamnt todas las mdicions ralizadas sobr llos sin aplicar ninguna transformación a las variabls. El análisis d rgrsión logística aplicado n st trabao prsnta una modalidad d análisis stadístico para discriminar grupos no muy habitual n la invstigación lingüística. El mismo prmitió hallar las catgorías gramaticals cuyas frcuncias obsrvadas n los txtos prmitn discriminar los dos grupos dfinidos por la disciplina a la qu prtncn. Las difrncias ntr los dos tipos d txtos stá cntrada principalmnt n l númro d clíticos y d advrbios prsnts. Los odds ratio stimados vidncian qu la chanc d clasificar a un txto dntro dl corpus d Biomtría s incrmnta n un 62% al aumntar n númro d clíticos n una unidad, mintras qu la chanc d clasificarlo n l corpus d Filosofía aumnta un 41% al incrmntars n una unidad l númro d advrbios. Similars rsultados s hallaron n Bltrán (2010) utilizando un análisis discriminant sobr las variabls transformadas. D la misma manra qu n aqulla instancia, s cr qu pud dbrs a qu, n los txtos d biomtría/stadística hay más clíticos qu n los humanísticos por la frcuncia d xprsions imprsonals o pasivas con l clítico s dl tipo: s austa un modlo cuadrático s stima la variancia poblacional Mintras n los txtos d filosofía s manifista la prsncia d mayor proporción d advrbios. Esta mtodología pud sr gnralizada a un númro mayor d disciplinas, d las cuals provinn los txtos, mdiant una xtnsión dl modlo d rgrsión logística para variabl rspusta multinomial. En st sntido s continuará l trabao prsntado. Rfrncias Aitchison J Th Statistical Analysis of Compositional Data. Chapman & Hall, London. Bltrán, C., Bndr, C., Bonino, R., Dco, C., Koza, W., Méndz, B., Moro, Stlla Maris Rcursos informáticos para l trataminto lingüístico d txtos. Edicions Juglaría. Rosario. Bltrán, C Modlización lingüística y análisis stadístico n l análisis automático d txtos. Edicions Juglaría. Rosario. Bltrán, C Estudio y comparación d distintos tipos d txtos académicos: Biomtría y Filosofía. Rvista d Epistmología y Cincias Humanas. Grupo IANUS. Rosario. Bltrán, C Análisis discriminant aplicado a txtos académicos: Biomtría y Filosofía. Rvista INFOSUR. Grupo INFOSUR. Rosario. Bès,Gabril, Solana, Z y Bltrán, C Conociminto d la lngua y técnicas stadísticas n l análisis lingüístico n Dsarrollo, implmntación y uso d modlos para l procsaminto automático d txtos (d. Víctor Castl) Facultad d Filosofía y Ltras, UNCUYO Cuadras, C.M NUEVOS MÉTODOS DE ANÁLISIS MULTIVARIANTE. CMC Editions. Barclona, España. Hosmr, D.W.; Lmshow, S. (1989) Applid Logistic Rgrssion. John Wily & Sons. Nw York. Johnson R.A. y Wichrn D.W Applid Multivariat Statistical Análisis. Prntic-Hall Intrnational Inc. Khattr R. y Naik D Applid Multivariat Statistics with SAS Softwar. SAS. Institut Inc. Cary, NC. USA.
11 60 Khattr R. y Naik D. (2000) Multivariat Data Rduction and Discriminatio with SAS Softwar. SAS Institut Inc. Cary, NC. USA Pogliano, A.M. (2010) Análisis Estadístico d Datos Aplicados al Estudio d Calidad n Srvicios d Traducción. Tsis Lic. n stadística. Facultad d Cs. Económicas y stadística. UNR. Rodrigo Matos, José Lázaro y Bès, Gabril G Análisis implmntación d clíticos n una hrraminta dclarativa d trataminto automático d corpus. En VI Congrso d Lingüística Gnral, Santiago d Compostla. Solana, Z. Bltrán, C., Bndr, C., Bonino, R., Dco, C., Koza, W., Méndz, B., Rodrigo, A., Tramallino, C La intrlngua d los aprndints d spañol como L2. Aports d la Lingüística Informática. GRUPO INFOSUR- Edicions Juglaría.
Aplicación del análisis de regresión logística multinomial en la clasificación de textos académicos: Biometría, Filosofía y Lingüística informática.
INFOSUR - Nro 5 - Octubr 20 Aplicación dl análisis d rgrsión logística multinomial n la clasificación d ttos académicos: Biomtría, Filosofía y Lingüística informática. APPLICATION OF THE MULTINOMIAL LOGISTIC
Más detallesAnálisis discriminante aplicado a textos académicos: Biometría y Filosofía
Infosur Nro 4 Octubre 2010 Análisis discriminante aplicado a textos académicos: Biometría y Filosofía Discriminant Analysis Applied to Academic Texts: Biometrics and Philosophy Celina Beltrán Universidad
Más detallesSolución a la práctica 6 con Eviews
Solución a la práctica 6 con Eviws El siguint modlo d rgrsión rlaciona la nota mdia qu obtinn los alumnos n matmáticas (nota) n un cntro, con l númro d profsors disponibls n l cntro (profsors), l porcntaj
Más detallesCelina Beltrán Facultad de Ciencias Agrarias, Universidad Nacional de Rosario, Argentina
Estudio y comparación de distintos tipos de textos académicos: Biometría y Filosofía A COMPARISON STUDY OF DIFFERENT TYPES OF ACADEMIC TEXTS: BIOMETRICS AND PHILOSOPHY Celina Beltrán Facultad de Ciencias
Más detallesEnergía. Reactivos. Productos. Coordenada de reacción
CINÉTICA QUÍMICA 1 - Razon: a) Si pud dducirs, a partir d las figuras corrspondints, si las raccions rprsntadas n (I) y (II) son d igual vlocidad y si, prvisiblmnt, srán spontánas. b) En la figura (III)
Más detallesUNED Tudela Psicometría. Tema 4 Esquema tema 4
Esquma tma 4 1.- Orintacions didácticas: Tmas antriors: construcción dl tst Tmas 4 al 8: Evaluación d la calidad d la pruba piloto basándos n las rspustas d los sutos: Fiabilidad, validz y calidad d los
Más detallesCONSUMO MUNDIAL DE FIBRAS TEXTILES
ISSN 007-1957 CONSUMO MUNDIAL DE FIBAS TEXTILES Ana María Islas Corts Instituto olitécnico Nacional ESIT amislas@ipn.mx Gabril Guillén Bundía Instituto olitécnico Nacional ESIME Azcapotzalco gguilln@ipn.mx
Más detallesRepresentación esquemática de un sistema con tres fases
6 APLICACIONES 6.1 Sistma con varias fass Una vz consguido l modlo para simular una mmbrana, s planta su uso para simular procsos con más d una. Uno d stos procsos podría sr un sistma con varias fass.
Más detallesModelos Box-Jenkins. El paseo aleatorio X t = c + X t 1 + a t no es estacionario. Sin embargo, el proceso diferenciado regularmente
Modlos Box-Jnkins Sris d Timpo Grmán Aniros Pérz stacionals: Slcción dl El paso alatorio X t = c + X t 1 + a t no s stacionario. Sin mbargo, l procso difrnciado rgularmnt s stacionario. X t X t 1 = c +
Más detallesTEMA 10: DERIVADAS. f = = x
TEMA 0:. DERIVADA DE UNA FUNCIÓN EN UN PUNTO La siguint gráfica rprsnta la tmpratura n l intrior d la Tirra n función d la profundidad. Vmos qu la gráfica s simpr crcint, s dcir, a mdida qu aumnta la profundidad
Más detallesCapítulo V CONDICIONES DE FRONTERA Y MODELAMIENTO NUMÉRICO EN ECUACIONES DIFERENCIALES
Marclo Romo Proaño Escula Politécnica dl Ejército - Ecuador Capítulo V CONDICIONES DE FRONTERA Y MODELAMIENTO NUMÉRICO EN ECUACIONES DIFERENCIALES 5. CONDICIONES DE FRONTERA: Dbido a qu muchos problmas
Más detallesPRÁCTICA 8 ESTUDIO DE ENGRANAJES 3º INGENIERÍA INDUSTRIAL
PRÁCTICA 8 ESTUDIO DE ENGRANAJES 3º INGENIERÍA INDUSTRIAL 1.- INTRODUCCIÓN. La prsnt práctica tin por objto introduir al alumno n l cálculo d trns d ngranajs, tanto simpls d js parallos, compustos y trns
Más detallesREGRESIÓN LOGÍSTICA INTRODUCCIÓN
1 REGRESIÓN LOGÍSTICA INTRODUCCIÓN Comncmos con un jmplo qu nos srvirá para ilustrar l análisis d datos binarios. Los siguints datos tomados d Littl (1978) corrspondn a 1607 mujrs casadas y fértils ntrvistadas
Más detallesESTUDIO ECONOMÉTRICO DE LA PRODUCCIÓN DE ACERO
ESTUDIO ECONOMÉTRICO DE LA RODUCCIÓN DE ACERO Ana María Islas Corts Instituto olitécnico Nacional, ESIT amislas@ipn.mx Gabril Guillén Bundía Instituto olitécnico Nacional, ESIME-Azcapotzalco gguilln@ipn.mx
Más detallesI, al tener una ecuación. diferencial de segundo orden de la forma (1)
.6. Rducción d ordn d una cuación difrncial linal d ordn dos a una d primr ordn, construcción d una sgunda solución a partir d otra a conocida 9.6. Rducción d ordn d una cuación difrncial linal d ordn
Más detalles+ ( + ) ( ) + ( + ) ( ) ( )
latrals n. iguals. f. La función CONTINUIDAD f () Es continua n l punto?. Calcular los límits ³ ² 5 Para qu la función sa continua n s db cumplir: f f Calculamos por sparado cada mimbro d la igualdad f
Más detallesAT07 PORCENTAJE DE POBLACIÓN EN LA ESCUELA CON UN AVANCE REGULAR POR EDAD. A gn inf. A gn sup PPR = P e PPR
AT07 PORCENTAJE DE POBLACIÓN EN LA ESCUELA CON UN AVANCE REGULAR POR EDAD FÓRMULA AT07 NOMBREdlINDICADOR Porcntaj d población n la scula con un avanc rgular por dad. FÓRMULAdCÁLCULO PPR = PPR A + inf A
Más detallesReporte Nº: 05 Fecha: JULIO 2012. ANÁLISIS DE SITUACIÓN MIGRATORIA DE EXTRANJEROS DE NACIONALIDAD HAITIANA 1. DESCRIPCIÓN DEL REPORTE
Rport Nº: 05 Fcha: JULIO 2012. ANÁLISIS DE SITUACIÓN MIGRATORIA DE EXTRANJEROS DE NACIONALIDAD HAITIANA 1. DESCRIPCIÓN DEL REPORTE El prsnt inform tin como objtivo spcífico stablcr los movimintos migratorios
Más detallesLECTURA 09: PRUEBA DEHIPÓTESIS (PARTE III) TEMA 18: PRUEBA DE INDEPENDENCIA CHI CUADRADO
Univrsidad Los Ángls d Chimbot LECTURA 9: PRUEBA DEHIPÓTESIS (PARTE III) TEMA 18: PRUEBA DE INDEPENDENCIA CHI CUADRADO 1. INTRODUCCION: La pruba d indpndncia chi cuadrado s un procdiminto d contrastación
Más detallesRedes neuronales artificiales. Una aplicación a la clasificación de textos según el género: Científicos No científicos.
25 Redes neuronales artificiales. Una aplicación a la clasificación de textos según el género: Científicos No científicos. Celina Beltrán Facultad de Ciencias Agrarias, Universidad Nacional de Rosario,
Más detalleslm í d x = lm í ln x + x 1 H = lm í x + e x 2
Autovaluación Página 8 Calcula los siguints límits: a) lm í c m b) lm í ccotg m c) lm í sn d) lm í ( ) / 8 ln 8 8 ln ( cos ) 8 a) lm í 8 c ln ln H ( / ) lm í ( )ln 8 ln m lm í 8 H lm í / 8 b) lm í 8 dcotg
Más detallesComparación de dos técnicas multivariadas en la categorización de textos: Sistema de clasificación Bagging y Método del vecino más cercano.
1 Comparación de dos técnicas multivariadas en la categorización de textos: Sistema de clasificación Bagging y Método del vecino más cercano. Contrastive analysis of two multivariate techniques in text
Más detallesModelo de Regresión Logística
Modlo d Rgrsión Logística Modlo d rgrsión qu lica l comortaminto d una variabl dndint discrta, Y, dicotómica n función d una o más variabls indndints cualitativas o cuantitativas. Los valors qu toma la
Más detallesEjercicios resueltos Distribuciones discretas y continuas
ROBABILIDAD ESADÍSICA (Espcialidads: Civil-Eléctrica-Mcánica-Química) Ejrcicios rsultos Distribucions discrtas y continuas ) La rsistncia a la comprsión d una mustra d cmnto s una variabl alatoria qu s
Más detallesTema 2 La oferta, la demanda y el mercado
Ejrcicios rsultos d ntroducción a la Toría Económica Carmn olors Álvarz Alblo Migul Bcrra omínguz Rosa María Cácrs Alvarado María dl Pilar Osorno dl Rosal Olga María Rodríguz Rodríguz Tma 2 La ofrta, la
Más detallesTabla de contenido. Página
Tabla d contnido Página Ecuacions d ordn suprior Ecuacions homogénas d sgundo ordn con coficints constants Caso. Raícs rals distintas 6 Caso. Raícs compljas conjugadas 6 Caso. Raícs rals iguals 7 Rsumn
Más detallesProceso de análisis de regresión múltiple
Procso d análisis d rgrsión múltipl Rcolcción d datos Chquo d la calidad d los datos Diagnóstico d rlacions o intraccions furts ntr las variabls Xs Aplicación d mdidas rmdials Si S rquirn mdidas rmdials?
Más detalles2x 1. (x+ 1) e + 1 2x. 3.- Derivabilidad de una función. 6x 5, si2 x 4
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II FICHA TEMA 7.- FUNCIONES. DERIVADAS Y APLICACIONES (PROFESOR: RAFAEL NÚÑEZ) -----------------------------------------------------------------------------------------------------------------------------------------------------------------.-
Más detallesTAMAÑO DE LA MUESTRA
Rv. Epidm. Md. Prv. (003), : 8-4 TAMAÑO DE LA MUESTRA Enric Matu, Jordi Casal CRSA. Cntr d Rcrca n Sanitat Animal / Dp. Sanitat i Anatomia Animals, Univrsitat Autònoma d Barclona, 0893-Bllatrra, Barclona
Más detallesSistemas de control: Elementos componentes, variables, función de transferencia y diagrama funcional.
Sistmas d control: Elmntos componnts, variabls, función d transfrncia y diagrama funcional. Introducción Los sistmas d control automático han jugado un papl vital n l avanc d la cincia y d la ingniría.
Más detallesProf: Zulay Franco Puerto Ordaz, noviembre
56 Monostabls y Astabls 3.1 Introducción 3.2 Monostabl Es un circuito lctrónico qu dispon d una sñal d ntrada, gnralmnt dnominada disparo, al activars sta ntrada n la salida dl circuito (Q s obtin un pulso
Más detallese CENTRO DE EXCELENCIA MEDICA EN ALTURA Vigente a partir de Sustituye a:
Clav: Vignt a partir d Sustituy a: Vrsión: rvisión Página 1 d 11 1. OBJETIVO Establcr los linamintos y mtodología qu s db cumplir para llvar a cabo l procso d smaforización n cada uno d los lugars d almacnaminto
Más detallesSoluciones al examen de Estadística Aplicada a las Ciencias Sociales Junio 2008 Segunda semana
Solucions al amn d Estadística Alicada a las Cincias Socials Junio 008 Sgunda smana Ejrcicio. Para dtrminar si ha aumntado la intnción d voto ralizarmos una ruba d hiótsis d la siguint manra: Sindo P 0,377
Más detallesEstas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta.
PRUEBAS DE BONDAD DE AJUSTE Estas prubas prmitn vrificar qu la población d la cual provin una mustra tin una distribución spcificada o supusta. Sa X: variabl alatoria poblacional f 0 (x) la distribución
Más detallesImplementación de un Regulador PID
Tma 3 Implmntación d un Rgulador PID Gijón - Marzo 22 .4 Accions d Control Clásicas.2 x(t).8.6 x(t) (t) _ P I D 2 3 u(t) Sistma.4.8.6.4.2-5 5 5 2 25 3 (t) -.2 -.4-5 5 5 2 25 3 2.8 - Proporcional ( t) =
Más detallesPrueba de asociación de dos variables cualitativas
Pruba d asociación d dos variabls cualitativas Dscripción Esta pruba s aplica n disños d invstigación n los qu s studia a un único grupo d individuos dond a cada uno d llos s han mdido simultánamnt dos
Más detallesProf: Zulay Franco Puerto Ordaz, noviembre
56 Monostabls y Astabls 3.1 Introducción 3.2 Monostabl Es un circuito lctrónico capaz d gnrar un pulso lógico n alto o n bajo a través d su salida (Q. El timpo d duración dl pulso w, stá dtrminado por
Más detallesTema 3 La elasticidad y sus aplicaciones
Ejrcicios rsultos d Introducción a la Toría Económica Carmn olors Álvarz Alblo Migul Bcrra omínguz Rosa María Cácrs Alvarado María dl Pilar Osorno dl Rosal Olga María Rodríguz Rodríguz Tma 3 La lasticidad
Más detallesINSTITUTO DE CIENCIAS MATEMÁTICAS CÁLCULO DIFERENCIAL. TERCERA EVALUACIÓN Septiembre 17 de Nombre:
INSTITUTO DE CIENCIAS MATEMÁTICAS CÁLCULO DIFERENCIAL TERCERA EVALUACIÓN Sptimbr 7 d Nombr: Parallo: Firma: TEMA ( puntos) Justificando su rspusta, califiqu como vrdadra o falsa, cada proposición: a) La
Más detallesComo ejemplo se realizará la verificación de las columnas C9 y C11.
1/14 TRABAJO PRÁCTICO Nº 9 - DIMENSIONAMIENTO DE COLUMNAS Efctuar l análisis d cargas d una columna cntrada y otra d bord y dimnsionar ambas columnas n l nivl d PB. Como jmplo s ralizará la vrificación
Más detallesContenido: Integral definida: (3º) Aplicación: Longitud del arco de una curva. Matemática II Sección F Semestre 2 Lcdo Eliezer Montoya
REPÚBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA NÚCLEO BARINAS Contnido: Intgral dfinida: (º) Aplicación:
Más detallesCARACTERÍSTICAS EXTERNAS y REGULACIÓN de TRANSFORMADORES
CARACTERÍSTCAS EXTERNAS y REGLACÓN d TRANSFORMADORES Norbrto A. Lmozy 1 CARACTERÍSTCAS EXTERNAS S dnomina variabl ntr a una magnitud qu stá dtrminada ntr dos puntos, tal como una difrncia d potncial o
Más detallesSEPTIEMBRE Opción A
Slctividad Sptimbr (Pruba Espcífica) SEPTIEMBRE Opción A ( + ).- Dada la función f () s pid dtrminar: a) El dominio, los puntos d cort con los js y las asíntotas. b) Los intrvalos d crciminto y dcrciminto,
Más detallese 2/x +1 3) (1p) Halla las asíntotas de la siguiente función, estudia su posición relativa y expresa ésta gráficamente: ln f(x)= x+1
CURSO 7-8. Primra part. d mayo d 8. ) (p) Estudia las discontinuidads d la función: f() / - / + ) (p) Dada la siguint función, s pid: a) La drivada simplificada. b) La cuación d la tangnt d inflión: +
Más detallesPRIMERA PRÁCTICA SONIDO
PRIMERA PRÁCTICA SONIDO 1. Objtivo gnral: El objtivo d sta práctica s qu l alumno s familiaric con los concptos d amplitud y frcuncia y los llgu a dominar, así como l fcto qu tin la variación d stos parámtros
Más detallesMATERIA: Matemáticas VI, AREA III y IV CICLO ESCOLAR PROFESOR Víctor Manuel Armendáriz González
Ciudad d Méico Fundadora y Dirctora Gnral: Profra. Alina Mirya Sánchz Martínz MATERIA: Matmáticas VI, AREA III y IV CICLO ESCOLAR 014-015 PROFESOR Víctor Manul Armndáriz Gonzálz Progrsions Rsulv los siguints
Más detallesAPLICACIONES DE LAS ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN A PROBLEMAS QUE INVOLUCRAN A LA RECTA TANGENTE Y LA RECTA NORMAL
APLICACIONES DE LAS ECUACIONES DIFERENCIALES ORDINARIAS DE PRIMER ORDEN A PROBLEMAS QUE INVOLUCRAN A LA RECTA TANGENTE Y LA RECTA NORMAL 74 Cuando un problma gométrico stá nunciado n términos d la rcta
Más detallesAlgoritmo para Aproximar el Área Bajo la Curva de la Función Normal Estándar
Algoritmo para Aproimar l Ára Bajo la Curva d la Función Normal Estándar Algoritmo para Aproimar l Ára Bajo la Curva d la Función Normal Estándar M. n C. Víctor Manul Silva García, M. n C. Eduardo Vga
Más detallesDefinición de derivada
Dfinición d drivada. Halla, utilizando la dfinición, la drivada d la función f ( ) n l punto =. Compruba aplicando las rglas d drivación qu tu rsultado s corrcto. f ( ) f () La drivada pdida val: f ()
Más detalles168 Termoquímica y Cinética. Aspectos Teóricos
168 Trmoquímica y Cinética 3..- Cinética química Aspctos Tóricos Como ya s ha indicado antriormnt, la trmodinámica tin como objtivo conocr n qu condicions una racción s pud producir d forma spontána. Sin
Más detallesINTEGRACIÓN POR PARTES
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE INGENIERA DEPARTAMENTO DE MATEMÁTICA Y ESTADISTICA INTEGRACION INTEGRACIÓN Algunas intgrals qu s nos prsntan nos rsultan un poco compljas, ya por lo
Más detallesSOLUCIONES DE LOS EJERCICIOS INCLUIDOS EN LOS TEMAS 1 a 3 DE ESTADÍSTICA II
ESTADÍSTICA II SOLUCIONES DE LOS EJERCICIOS INCLUIDOS EN LOS TEMAS 1 a 3 DE ESTADÍSTICA II Profsors: J Gabril Molina y María F. Rodrigo Univrsitat d València TEMA 1 1) a) accidntal, b) alatorio simpl,
Más detallesMétodo de los Elementos Finitos para Análisis Estructural. Alisado de tensiones
Método d los Elmntos Finitos para Análisis Estructural Alisado d tnsions Campo d tnsions Tnsions n cualquir punto dl lmnto, sgún l MEF: = Dε= DBδ Matriz B contin las drivadas d las N: no son continuas
Más detallesCINEMÁTICA (TRAYECTORIA CONOCIDA)
1º Bachillrato: Cinmática (trayctoria conocida CINEMÁTICA (TRAYECTORIA CONOCIDA (Todos los datos y cuacions, n unidads dl S.I. 1. Un objto tin un moviminto uniform d rapidz 4 m/s. En l instant t=0 s ncuntra
Más detallesFACULTAD DE I NGENI ERIA I NGENI ERÍA DE SI STEMAS ALGORI TMOS DE PROGRAMACI ÓN TÉCNICO
FACULTAD DE I NGENI ERIA I NGENI ERÍA DE SI STEMAS ALGORI TMOS DE PROGRAMACI ÓN TÉCNICO 02001111 4 (Cuatro) 48 Horas 96 Horas Las structuras dl softwar, s basan n una comptncia lógica dfinida por la capacidad
Más detalles2º BACHILLERATO CINETICA QUÍMICA
VELOCIDAD DE REACCIÓN 1.- Escrib la xprsión d la vlocidad d racción n función d la concntración d cada una d las spcis qu intrvinn n l procso d obtnción d amoniaco. N + 3 H NH 3 d 1 v = [N] = 3 d 1 [H]
Más detallesDEPARTAMENTO DE FUNDAMENTOS DE ECONOMÍA E HISTORIA ECONÓMICA Matemáticas II EXAMEN FINAL Junio 2011 APELLIDOS: NOMBRE: D.N.I.
DEPARTAMENTO DE FUNDAMENTOS DE ECONOMÍA E HISTORIA ECONÓMICA Matmáticas II EXAMEN FINAL Junio APELLIDOS: NOMBRE: D.N.I. CUESTIONARIO DE RESPUESTA MÚLTIPLE % Las rspustas rrónas rstan puntos. Dbn rljars
Más detallesSOLUCIONARIO. UNIDAD 13: Introducción a las derivadas ACTIVIDADES-PÁG Las soluciones aparecen en la tabla.
UNIA : Introducción a las drivadas ACTIVIAES-PÁG. 0. Las solucions aparcn n la tabla. [0, ] [, 6] a) f () = b) f () = + c) f () = 9 d) f () = 7, 6 8, 67. El valor d los límits s: f ( h) f () a) lím 6 h
Más detallesTÉRMINOS DE REFERENCIA CONCURSO PÚBLICO PARA LA CONTRATACIÓN DE CAPACITACIONES BASES ADMINISTRATIVAS Y TÉCNICAS
TÉRMINOS DE REFERENCIA CONCURSO PÚBLICO PARA LA CONTRATACIÓN DE CAPACITACIONES A. BASES ADMINISTRATIVAS BASES ADMINISTRATIVAS Y TÉCNICAS 1. Gnralidads: Estas bass técnicas stán rfridas a la contratación
Más detallesCONTROL PID DEL ÁNGULO DE CABECEO DE UN HELICÓPTERO
CONROL EL ÁNGULO E CABECEO E UN HELCÓERO F. Morilla SEÑO OR EAAS Canclación d la dinámica subamortiguada impo d asntaminto d la rspusta tmporal Rstriccions n la sñal d control Estructura d control y filtro
Más detallesValledupar como vamos: Demografía, Pobreza y Pobreza Extrema y empleo.
Valldupar como vamos: Dmografía, Pobrza y Pobrza Extrma y mplo. Tradicionalmnt l programa Valldupar Cómo Vamos, lugo d prsntar la Encusta d Prcpción Ciudadana (EPC), raliza la ntrga d Indici d Calidad
Más detallesIntegrales indefinidas. 2Bach.
Intgrals indfinidas. Bach..- FUNCIÓN PRIMITIVA. INTEGRAL INDEFINIDA. La intgración s la opración invrsa d la drivación. Dada una función f(), dirmos qu F() s una primitiva suya si F ()f(). Nota: La primitiva
Más detalles- Se trata en el fondo, de la misma manera de medir la asociación entre X y M.
BOLETÍN EPIDEMIOLÓGICO DE CASTILLA-LA MANCHA FEBRERO 2007/ Vol.19 /Nº 10 LA REGRESIÓN LOGÍSTICA EN EPIDEMIOLOGÍA II (*) A.- VARIABLE X CUALITATIVA CON DOS CATEGÍAS (DICOTÓMICA) X rprsnta, por jmplo, l
Más detallesFUNCIONES DE DOS VARIABLES DOMINIOS, DERIVADAS PARCIALES Y DIRECCIONALES. Preguntas de dominios y curvas de nivel
FUNCIONES DE DOS VARIABLES DOMINIOS, DERIVADAS PARCIALES Y DIRECCIONALES Prguntas d dominios curvas d nivl Dtrmina l dominio d las uncions: a) (, ) b) (, sin + + En cada caso indica dos puntos qu no san
Más detallesProf. Jesús Olivar. Resumen de Cálculo II ING. PETRÓLEO
Prof. Jsús Olivar Rsumn d Cálculo II ING. PETRÓLEO.- FUNCIÓN PRIMITIVA. INTEGRAL INDEFINIDA. La intgración s la opración invrsa d la drivación. Dada una función f, dirmos qu F s una primitiva suya si F
Más detallesTEMA 5. Límites y continuidad de funciones Problemas Resueltos
Matmáticas Aplicadas a las Cincias Socials II Solucions d los problmas propustos Tma 7 Cálculo d its TEMA Límits y continuidad d funcions Problmas Rsultos Para la función rprsntada n la figura adjunta,
Más detallesSILABO SEMINARIO DE TESIS
SILABO SEMINARIO DE TESIS I. DATOS INFORMATIVOS 1.1. Código : 083960 1.2. Ciclo : IX 1.3. Créditos : 4 1.4 Ára curricular : Formación Básica 1.5. Condición : Obligatorio 1.6. Smstr Académico : 2018 - I
Más detallesModelos Matemáticos para la optimización y reposición de maquinarias: Caso la Empresa Eléctrica de Milagro
Modlos Matmáticos para la optimización y rposición d maquinarias: Caso la Emprsa Eléctrica d Milagro Edwin Lón Plúas, Csar Gurrro Loor 2 Ingniro n Estadística Informática, 2003 2 Dirctor d Tsis, Matmático,
Más detalles1. (RMJ15) a) (1,5 puntos) Discute el siguiente sistema de ecuaciones en función del parámetro a:
EXAMEN DE MATEMÁTICAS II (Eamn Final, Rcupración d Análisis Intgrals) BACHILLERATO EXAMEN FINAL (RMJ5) a) (,5 puntos) Discut l siguint sistma d cuacions n función dl parámtro a: + y + az + ay + z a a +
Más detalles2.2.1 Antecedentes. Al mismo tiempo que Frank Rosenblatt trabajaba en el
63. ADALINE..1 Antcdnts. Al mismo timpo qu Fran Rosnblatt trabajaba n l modlo dl Prcptrón Brnard Widrow y su studiant Marcian Hoff introdujron l modlo d la rd Adalin y su rgla d aprndizaj llamada algoritmo
Más detallesPROCEDIMIENTO NORMALIZADO DE OPERACIÓN DE DEVOLUCION DE INSUMOS PARA LA SALUD.
Sustituy a: Ninguno Próxima rvisión: cada 30 días. Página 1 d 8 PARA LA SALUD. Contnido 1. Objtivo 2. Rsponsabilidads 3. Dsarrollo dl procso 4. Rfrncias Bibliográficas 5. Anxos Formato 1. Entrga d Faltants.
Más detallesEstudio comparativo de referencias de tensión independientes de la alimentación
I Congrso Microlctrónica Aplicada (uea 03) 07 Estudio comparativo d rncias d tnsión indpndints d la alimntación María Isabl Schiavon, Danil Crpaldo, Carlos arla, Eduardo Bailón Rosario, Argntina - FCEIA
Más detallesFacultad de Ingeniería Matemática intermedia 1. Proyecto 2
Univrsidad d San Carlos d Guatmala Dpartamnto d matmática Facultad d Ingniría Matmática intrmdia 1 Introducción: Proycto Fcha d ntrga: luns 16 d abril d 018 El dsarrollo d proyctos s important n la formación
Más detalles2º de Bachillerato. 3. Calcular la variación de entalpía de la reacción de combustión del etanol a partir de la tabla de entalpías de formación
Química TEM 3 º d achillrato Trmoquímica. La ntalpía d combustión dl butano s d º 875,8 /mol. Si qurmos calntar l air d una habitación d xx3 m con una stua d butano, dsd º hasta 5º, qué masa d butano dbrmos
Más detallesTEMA 1: Los números reales. Tema 1: Los números reales 1
TEMA 1: Los númros rals Tma 1: Los númros rals 1 ESQUEMA DE LA UNIDAD 1.- Númros naturals y ntros. 2.- Númros racionals. 3.- Númros irracionals. 4.- Númros rals. 5.- Jrarquía n las opracions combinadas.
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS II TEMA 5: INTEGRALES
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 9 MATEMÁTICAS II TEMA 5: INTEGRALES Junio, Ejrcicio, Opción A Junio, Ejrcicio, Opción B Rsrva, Ejrcicio, Opción A Rsrva, Ejrcicio, Opción B Rsrva, Ejrcicio, Opción
Más detallesTEMA 1: Los números reales. Tema 1: Los números reales 1
TEMA 1: Los númros rals Tma 1: Los númros rals 1 ESQUEMA DE LA UNIDAD 1.- Númros naturals y ntros. 2.- Númros racionals. 3.- Númros irracionals. 4.- Númros rals. 5.- Jrarquía n las opracions combinadas.
Más detallesSolución: Para que sea continua deben coincidir los límites laterales con su valor de definición en dicho punto x = 2. b 1 + b
Matmáticas Emprsarials I PREGUNTAS DE TIPO TEST DERIVADAS Y APLICACIONES Drivabilidad ( ) b si S09. La función f ( ) s continua y drivabl n = : a( ) si a) Si a = y b = b) Si a = y b = 5 c) Nunca pud sr
Más detallesDISPERSIÓN - ESPECTRÓMETRO DE PRISMA
DISPERSIÓN - ESPECTRÓMETRO DE PRISMA OBJETIVOS Invstigación d la rgión visibl dl spctro dl átomo d Hidrógno y dtrminación d la constant d Ridbrg. Calibración d la scala dl spctrómtro d prisma. Dtrminación
Más detallesCAPÍTULO 4 ETAPAS DE SALIDA. La etapa de salida de un amplificador debe tener un cierto número de atributos. Tal
CAPÍTULO 4 ETAPAS DE SALIDA La tapa d salida d un amplificador d tnr un cirto númro d atriutos. Tal vz l más important d llos s qu ntrgu un nivl a la carga con nivls acptals d distorsión. Otro d los rqurimintos
Más detallesVI.1 GENERADOR DE SISTEMAS COMO NÚCLEO DE UN SISTEMA EVOLUTIVO
VI.1 GENERDOR DE SISTEMS COMO NÚCLEO DE UN SISTEM EVOLUTIVO Frnando Galindo Soria* INTRODUCCIÓN En st trabajo s prsnta l procso para construir y usar una hrraminta para l dsarrollo industrial d sistmas
Más detallesPrimer Examen Parcial Tema A Cálculo Vectorial Septiembre 26 de 2017
Primr Examn Parcial Tma A Cálculo Vctorial Sptimbr 6 d 17 Est s un xamn individual, no s prmit l uso d libros, apunts, calculadoras o cualquir otro mdio lctrónico Rcurd apagar y guardar su tléfono clular
Más detalles8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 23 al 25 de Octubre de 2007
8º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA Cusco, 3 al 5 d Octubr d 007 MODELO DEL PROCESO DE COMPACACIÓN DE POLVOS MEÁLICOS UILIZANDO EL MÉODO DE LOS ELEMENOS FINIOS *Díaz, Po J. *Grupo d Invstigación
Más detallesPRUEBA DE ACCESO (LOGSE) UNIVERSIDAD DE BALEARES JUNIO (RESUELTOS por Antonio Menguiano) Tiempo máximo: 1 horas y 30 minutos OPCIÓN A
IES CASTELAR BADAJOZ PRUEBA DE ACCESO (LOGSE) UNIVERSIDAD DE BALEARES JUNIO - (RESUELTOS por Antonio nguiano) ATEÁTICAS II Timpo máimo: horas minutos Contsta d manra clara raonada una d las dos opcions
Más detallesGuías de Prácticas de Laboratorio
Guías d Prácticas d Laboratorio Laboratorio d: (5) FÍSICA OPTICA Y ACUSTICA Titulo d la Práctica d Laboratorio: (6) OSCILADOR ARMONICO SIMPLE. LEY DE HOOKE Idntificación: (1) Númro d Páginas: (2) 8 Rvisión
Más detallesANÁLISIS DEL AMPLIFICADOR EN EMISOR COMÚN
ANÁLISIS DL AMPLIFIADO N MISO OMÚN Jsús Pizarro Pláz. INTODUIÓN... 2. ANÁLISIS N ONTINUA... 2 3. TA D AGA N ALTNA... 3 4. IUITO QUIALNT D ALTNA... 4 5. FUNIONAMINTO... 7 NOTAS... 8. INTODUIÓN l amplificador
Más detallesRutas críticas para la elaboración del trabajo de titulación en las diferentes modalidades. Planes de estudio 2012
Rutas críticas trabajo d titulación n las difrnts modalidads. Ruta Crítica d la Modalidad: Inform d Prácticas Profsionals smana y mdia smana y mdia 2 Smanas Analizar con dtall los documntos normativos
Más detallesI. E. S. ATENEA. SAN SEBASTIÁN DE LOS REYES EXAMEN PARCIAL. PRIMERA EVALUACIÓN. ANÁLISIS
Eamn Parcial. Análisis. Matmáticas II. Curso 010-011 I. E. S. ATENEA. SAN SEBASTIÁN DE LOS REYES EXAMEN PARCIAL. PRIMERA EVALUACIÓN. ANÁLISIS Curso 010-011 19-XI-010 MATERIA: MATEMÁTICAS II INSTRUCCIONES
Más detallesf (x)dx = f (x) dx. Si la respuesta es afirmativa justifíquese, si es negativa,
CALCULO INTEGRAL.(97).- Sa f() una función tal qu, para cualquira qu sa > s cumpl qu = Pruébs qu, ntoncs, s vrifica qu f( ) = f(), para todo >. f f..(97).- Sa la función f() = -. S pid: a) Hacr un dibujo
Más detallesRelaciones importantes para la entropía.
rmodinámica II 2I Rlacions importants para la ntropía. Entropía Formalmnt la ntropía s d n a partir d la dsigualdad d Clausius I 0 () n dond:! H indica qu la intgral s va a ralizar n todas las parts d
Más detallesMEDICIÓN DE LA BANDA PROHIBIDA DEL SILICIO
MEDICIÓN DE LA BANDA PROHIBIDA DEL SILICIO Amador Ana y Rausch Frnando Dpartamnto d física, Univrsidad d Bunos Airs, Bunos Airs, Argntina Nustro trabajo consistió n mdir l ancho d la banda prohibida dl
Más detallesOPCIÓN A. a) Estudiar si A y B tienen inversa y calcularla cuando sea posible (1 punto)
San Blas, 4, ntrplanta. 983 30 70 54 OPCIÓN A 4 E.- San A = 3 y B = a) Estudiar si A y B tinn invrsa y calcularla cuando sa posibl ( punto) 0 b) Dtrminar X tal qu AX = B I sindo I = 0 (.5 puntos) a) Una
Más detallesCurso: 2º Bachillerato Examen VIII. donde m representa un número real.
Nombr: Nota Curso: º Bachillrato Eamn VIII Fcha: d Fbrro d 06 La mala o nula plicación d cada jrcicio implica una pnalización d hasta l % d la nota..- Dada la matriz m dond m rprsnta un númro ral. m a)
Más detallesPart IV. Modelos para la volatilidad. Series de Tiempo. Germán Aneiros Pérez. Introducción. Procesos ARCH: Construcción. Procesos GARCH: Estimación
Sris d idntificación Part IV Modlos para la volatilidad Sris d Modlos para la volatilidad Sris d idntificación Comnzamos indicando la notación gnral qu utilizarmos n st tma: y 1, y 2,..., y T : sri d timpo
Más detallesDEPARTAMENTO DE QUÍMICA ANALÍTICA Y TECNOLOGÍA DE ALIMENTOS FUNDAMENTOS DE ANÁLISIS INSTRUMENTAL. 3ª RELACIÓN DE PROBLEMAS.
FUNDAMENTOS DE ANÁLISIS INSTRUMENTAL. 3ª RELACIÓN DE PROBLEMAS. 1.- En ausncia d autoabsorción, la intnsidad d fluorscncia d una mustra s proporcional a la concntración, solo a concntracions bajas. Calcular
Más detallesIES Fco Ayala de Granada Junio de 2013 (Modelo 1 Específico 2 ) Solución Germán-Jesús Rubio Luna. Opción A
IES Fco Ayala d Granada Junio d 03 (Modlo Espcífico ) Grmán-Jsús Rubio Luna Opción A Ejrcicio opción A, modlo Junio 03, spcífico [ 5 puntos] Halla las dimnsions dl rctángulo d ára máima inscrito n un triangulo
Más detallesLÍMITE DE FUNCIONES. lim. lim. lim. LÍMITE DE UNA FUNCIÓN CUANDO x + LÍMITE FINITO. DEFINICIÓN
LÍMITE DE FUNCIONES LÍMITE DE UNA FUNCIÓN CUANDO LÍMITE FINITO. DEFINICIÓN Cuando la función pud comportars d divrsas manras: f l Al aumntar los valors d, los valors d f s aproiman a un cirto númro l.
Más detallesGuía de Pupitres Módulo de Inventario Séneca v1
Guía d s Módulo d Invntario Sénca v 27/03/5 d 3 Índic d contnido Antcdnts...3 2Datos ncsarios para idntificar los pupitrs... 3 3Tipos d pupitrs...4 4Sllado d los pupitrs... 8 5Otros mobiliarios d aula...9
Más detalles