INFORME TAREA N 4 CLUSTERING
|
|
- Rubén San Segundo Fidalgo
- hace 7 años
- Vistas:
Transcripción
1 Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL4106 Inteligencia Computacional INFORME TAREA N 4 CLUSTERING Nombre Alumno : Profesor : Profesor Auxiliar : Sebastián Gálvez Javier Ruiz del Solar Daniel Herrmann Felipe Valdés Fecha : 16/06/2014 Santiago, Chile.
2 Contenido Contenido... II Índice de Figuras y Tablas... III 1. Introducción Desarrollo Base de Datos K-means Conclusiones Anexos Bibliografía...10
3 Índice de Figuras y Tablas Figura 1: Clustering K-Means, K=3... 3
4 Introducción 1. Introducción El objetivo general de esta tarea consiste en identificar agrupaciones de datos similares mediante distintos algoritmos de clustering, analizando su desempeño. Para esto se utilizará la base de datos Wine Data Set, que forma parte del UC Irvine Machine Learning Repository. Esta base de dato contiene 13 características fisicoquímicas medidas para 178 muestras de vino. La base de datos contiene datos de vinos Italianos, producidos en la misma región, pero por 3 productores distintos. Cada productor produce un tipo de vino distinto. Se debe utilizar el algoritmo de clustering k-means para encontrar y caracterizar 3 clusters, luego, realizar lo mismo para el algoritmo fuzzy c-means y comparar los resultados. También se debe analizar la correspondencia entre los productores del vino y clusters al que pertenece la muestra. U. de Chile. FCFM. DIE ~1~
5 Desarrollo 2. Desarrollo 2.1. Base de Datos El programa generado en el archivo separacion.m contiene una función [entren,clases_entren,prueba,clases_prueba]=separacion(data,clases,pr_r ate), que tiene como objetivo dividir la base de datos en los conjuntos de entrenamiento y prueba, para retornarlos en las matrices respectivas. El argumento data contiene en cada fila las mediciones sobre las distintas características correspondientes a las columnas. El argumento clases es un vector columna que en cada fila contiene el número correspondiente al dígito representado en cada muestra. El argumento pr_rate identifica qué proporción del conjunto total se asignará al conjunto de prueba. Luego de cargar la base de datos de los dígitos trazados en una Tablet utilizando load Base_de_Datos_Tarea4, se puede separar invocando la función de la forma [en en_c pr pr_c]=separacion(trazos,numero,pr_rate); La función de Matlab identifica los conjuntos de datos de distinto productor y extrae aleatoriamente datos para formar el conjunto de prueba. Luego del conjunto original resta estos datos para obtener el conjunto de entrenamiento. El desempeño muestra que la representatividad y la proporción de clases se mantiene en niveles similares como muestra la siguiente tabla. Clase Productor 1 Productor 2 Productor 3 Conjunto [%] [%] [%] Conjunto Original Conjunto Prueba Conjunto Entrenamiento Y se logró que la proporción de conjuntos fuera la pedida. En este caso se logró que el conjunto de prueba fuera 39.89% de los datos. U. de Chile. FCFM. DIE ~2~
6 Desarrollo 2.2. K-means En el archivo script k-means.m se carga la base de datos utilizada y se separa utilizando la función mencionada en el punto anterior, obtenio conjuntos de entrenamiento y prueba. Luego, se utiliza la función de Matlab [ik, ck] =kmeans(x,k) para separar los datos X en K clusters, almacenando los índices de los clusters asignados en la variable ik, y los centroides que los representan en el espacio de características. Para el caso de generar 3 clusters, se generó un gráfico para visualizar si los clusters obtenidos representaban completamente la partición según los productores, lo cual no se produjo, ya que como se observa en la Figura 1, existen algunos datos que están en un cluster distinto al que debiese corresponder según su producción (se compara según los índices del vector productores de la base de datos). FIGURA 1: CLUSTERING K-MEANS, K=3 U. de Chile. FCFM. DIE ~3~
7 Desarrollo Posteriormente, se procede a realizar una validación del clustering, utilizando el Índice de Calinski & Harabasz como criterio, el cual se calcula según la siguiente fórmula: Donde N es el número de muestras, y Tr(SB) y Tr(SB) son las trazas de las matrices de dispersión inter- e intra clase. Así, para cada K, se obtiene un índice y se puede calcular el número óptimo de clusters sio el que maximiza el índice CH. Si bien, este criterio no considera la partición a priori conocida (según productores), es un buen método para identificar qué tan compactos son los clusters y qué tan alejados entre ellos están. Sería interesante combinar este indicador junto a uno según un criterio externo, sin embargo por razones de tiempo esto no pudo ser realizado. Finalmente, dado el índice CH para valores de K entre 3 y 8, se obtuvo que el mejor clustering se obtiene para K=3, ya que aumentando el número de clusters el índice disminuye, y considerar un menor número no tiene sentido, ya que se sabe que existen al menos 3. U. de Chile. FCFM. DIE ~4~
8 Conclusiones 3. Conclusiones El método de Clustering K-means permite dividir las muestras en K grupos (clusters) distintos, y según distintos criterios se puede validar qué tan buena es esta división. En el caso del índice de Calinski & Harabansz, éste considera cuán compactos y separados entre ellos están los clusters, pero no incorpora información sobre una partición de las muestras conocida a priori, por lo que tal vez no es la mejor elección para este caso, pero sí podría ser útil como complemento. Según el criterio utilizado, se observa que conviene realizar un clustering para 3 grupos distintos. U. de Chile. FCFM. DIE ~5~
9 Anexos 4. Anexos A continuación se muestran los códigos contenidos en cada uno de los archivos entregados en la tarea. separacion.m function [entren, clases_entren, prueba, clases_prueba]= separacion(data,clases,pr_rate) %[entren clases_entren, prueba, clases_prueba]= separacion(data,clases) recibe la matriz 'data' con los datos de %los trazos de los digitos y genera dos conjuntos representativos 'entren' con el (1-pr_rate)*100% de los datos y %'prueba' con el (pr_rate)*100%, y dos conjuntos ('clases_entren' y 'clases_prueba') que llevan información sobre la clase verdadera de cada muestra. N=length(data(:,1)); nfeats=length(data(1,:)); % n de caracteristicas nc=3; % n de clases %Uno los datos con las clases en una sola matriz, para asociar los %índices de las filas a cada clase distinta. newdata=[data,clases]; %ordeno y obtengo los índices de las muestras de cada clase. [aux ind]=sortrows(newdata,14); szs=zeros(1,nc); ind_bord=zeros(1,nc); %debo encontrar los indices de los que efectivamente pertenecen a cada %clase, para guardarlos en una matriz y luego separarlos. for i=1:nc auxaux=(aux(:,nfeats+1)==i); ind_aux=find(auxaux,1,'last'); ind_bord(i)=ind_aux; szs(i)=sum(auxaux(:)); %también calculo cuántos hay por clase. clear auxaux; %Se quiere pr_rate% de los datos por cada clase para el conjunto de prueba pr_szs=round(szs.*pr_rate); ind_bord_pr=cumsum(pr_szs);%esto me sirve para saber cuántos datos seleccionar por cada clase en las iteraciones. sz_prueba=sum(pr_szs); %tamaño total del conjunto de prueba. prueba=zeros(sz_prueba,nfeats+1); r_vec=zeros(sz_prueba,1); %vector que trá los indices seleccionados. %Selección de datos de prueba (20% por cada clase) U. de Chile. FCFM. DIE ~6~
10 Anexos %primera iteración for i=1:ind_bord_pr(1) r=randi([1 ind_bord(1)]); while(find(r_vec==ind(r))) %selecciono un indice al azar dentro del rango de la clase '0'. % y me aseguro que sea distinto a alguno seleccionado. r=randi([1 ind_bord(1)]); prueba(i,:)=newdata(ind(r),:); %guardo los datos y la clase a la que pertenece el dato elegido en el conjunto de prueba r_vec(i)=ind(r); %guardo el indice para luego borrar ese dato del conjunto y que lo que quede sea el de entrenamiento % repito para el resto de las clases. for j=2:nc for i=(ind_bord_pr(j-1)+1):ind_bord_pr(j) r=randi([(ind_bord(j-1)+1) ind_bord(j)]); while(find(r_vec==ind(r))) r=randi([(ind_bord(j-1)+1) ind_bord(j)]); prueba(i,:)=newdata(ind(r),:); r_vec(i)=ind(r); prueba2 = prueba(randperm(length(prueba(:,1))),:); %desordeno las filas prueba=prueba2; clear prueba2; %extraigo del conjunto original los datos utilizados para el conjunto de prueba entren=newdata; entren(r_vec,:)=[]; sz_entren=length(entren(:,1)); %Verificar representatividad %calculo cantidad de datos por clase en cada conjunto [aux ind]=sortrows(prueba,14); [aux2 ind2]=sortrows(entren,14); ver_szs_prueba=zeros(1,nc); ver_szs_entren=zeros(1,nc); for i=1:nc auxaux=(aux(:,nfeats+1)==i); auxaux2=(aux2(:,nfeats+1)==i); ver_szs_prueba(i)=sum(auxaux(:)); %calculo cuántos datos hay por clase en el conjunto de prueba construido. ver_szs_entren(i)=sum(auxaux2(:)); %y cuántos por clase en el conjunto de entrenamiento clear auxaux; clear auxaux2; U. de Chile. FCFM. DIE ~7~
11 Anexos %verifico proporciones parecidas por clase en ambos conjuntos. (DESCOMENTAR %PARA VERIFICAR) % repr_total=szs./n % repr_prueba=ver_szs_prueba./sz_prueba % repr_entren=ver_szs_entren./sz_entren %verifico proporción 80/20 de los datos en cada conjunto. % sz_entren/n % sz_prueba/n %Separo datos de información sobre la clase a la que pertenece cada uno. clases_entren = entren(:,14); entren(:,14)=[]; clases_prueba = prueba(:,14); prueba(:,14)=[]; k_means.m load Base_de_Datos_Tarea4 %a=muestras; for i=1:13 a(:,i)=muestras(:,i)./norm(muestras(:,i)); N=length(a(:,1)); Nfeats=length(a(1,:)); [en, en_c, pr, pr_c]=separacion(a,productor,0.4); %***Descomentar para "ver" división en clusters segun sus indices. %K=3; %[ik ck]=kmeans(a,k); % ind=1:n; % plot(ind,ik,'.') % title('indices asociados a K-means') % axis([1 N 0 K+1]) % xlabel('indice de muestra') % ylabel('indice del cluster asociado') U. de Chile. FCFM. DIE ~8~
12 Anexos %******* VALIDACION******* CH=zeros(1,6); for l=3:8 K=l; [ik ck]=kmeans(a,k); %matriz de particion gamma=zeros(k,n); for i=1:k for j=1:n gamma(i,j)=(ik(j)==i); m=mean(ck); %numero de datos por cluster Nc=zeros(1,K); ind=cell(k,1); for i=1:k Nc(i)=sum(ik==i); %**** Dispersión Intra-cluster **** Sw=zeros(Nfeats,Nfeats); for i=1:k; for j=1:n; Sw=Sw+gamma(i,j)*((a(j,:)-ck(i,:))'*(a(j,:)-ck(i,:))); %**** Dispersión Entre Clusters ***** Sb=zeros(Nfeats,Nfeats); for i=1:k; Sb=Sb+Nc(i)*((ck(i,:)-m)'*(ck(i,:)-m)); %Indice de Calinski y Harabasz CH(l)=(trace(Sb)/(K-1))/(trace(Sw)/(N-K)); [mch,mk]=max(ch); display(sprintf('el mejor clustering se logra para K=%i',mk)) U. de Chile. FCFM. DIE ~9~
13 Bibliografía 5. Bibliografía Presentación EL Inteligencia Computacional - ValidacionClustering - Otoño Centro de documentación de Mathworks, Sección de K-means U. de Chile. FCFM. DIE ~10~
INFORME TAREA N 5 SELF-ORGANIZING MAPS
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL4106 Inteligencia Computacional INFORME TAREA N 5 SELF-ORGANIZING MAPS Nombre Alumno : Profesor :
Más detallesSistema de Registro, Derivación y Monitoreo Chile Crece Contigo
Sistema de Registro, Derivación y Monitoreo Chile Crece Contigo MANUAL DE USO CHCC MÓDULO ESTADÍSTICO NOVIEMBRE 2011 TABLA DE CONTENIDO 1 INTRODUCCIÓN... 3 2 ACCESO AL SISTEMA... 4 3 FUNCIONALIDADES MÓDULO
Más detallesTécnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO
Técnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO 2 Objetivo El objetivo principal de las técnicas de clasificación supervisada es obtener un modelo clasificatorio válido para permitir tratar
Más detallesAnálisis de Presupuestos, Herramientas de Análisis Y Si
Análisis de Presupuestos, Herramientas de Análisis Y Si http://www.infop.hn Autor:Swamy Matute Análisis de Presupuestos, Herramientas de Análisis Y Si Objetivos de la Unidad Al finalizar la presente unidad
Más detallesGuía práctica de estudio 03: Algoritmos
Guía práctica de estudio 03: Algoritmos Elaborado por: M.C. Edgar E. García Cano Ing. Jorge A. Solano Gálvez Revisado por: Ing. Laura Sandoval Montaño Guía práctica de estudio 03: Algoritmos Objetivo:
Más detallesANALISIS DE CLUSTER CON SPSS: INMACULADA BARRERA
ANALISIS DE CLUSTER CON SPSS: INMACULADA BARRERA ANALISIS DE CLUSTER EN SPSS Opción: Analizar Clasificar ANALISIS DE CLUSTER EN SPSS Tres posibles OPCIONES 1.- Cluster en dos etapas 2.- K-means 3.- Jerárquicos
Más detallesEl método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.
El método simplex Forma estándar y cambios en el modelo. Definiciones. Puntos extremos y soluciones factibles básicas. 4 El método simplex. Definiciones y notación. Teoremas. Solución factible básica inicial.
Más detallesMINERIA DE TEXTOS EN R: VIA UN MODELO DE ESPACIO VECTORIAL Y ANÁLISIS CLUSTER. Resumen
MINERIA DE TEXTOS EN R: VIA UN MODELO DE ESPACIO VECTORIAL Y ANÁLISIS CLUSTER Resumen El objetivo del presente estudio fue encontrar la similitud entre textos para asociar reclamos y determinar si estos
Más detallesF. 6.1 LIBRO MAYOR. Formas de Acceso: Menú Libros Electrónicos/Libro Electrónico 5.0.0/6.1 Libro Mayor.
F. 6.1 LIBRO MAYOR Objetivo: Esta opción permite generar el Libro Mayor Electrónico en formato TXT para enviarlos a SUNAT mediante el Aplicativo de Libros Electrónicos (PLE) con la estructura establecida
Más detalles7ª Práctica. Matlab página 1 EJERCICIO 1. ORDENAR UN VECTOR CON EL MÉTODO DE LA BURBUJA...1
7ª Práctica. Matlab página 1 PROGRAMACIÓN EN MATLAB PRÁCTICA 07 ORDENACIÓN VECTORES Y MATRICES EJERCICIOS REPASO PARA EL EXAMEN EJERCICIO 1. ORDENAR UN VECTOR CON EL MÉTODO DE LA BURBUJA...1 EJERCICIO
Más detallesCUENTAS POR COBRAR MOVIMIENTO DE CARTERA
CUENTAS POR COBRAR MOVIMIENTO DE CARTERA Qué es un movimiento de cartera? En SIIGO un movimiento de cartera son reportes que permiten conocer el saldo que tienen los clientes con la empresa indicando cada
Más detallesAnálisis y síntesis de sistemas digitales combinacionales
Análisis Algoritmo de análisis, para un circuito lógico combinacional Síntesis. Conceptos Circuitos combinacionales bien construidos Circuitos combinacionales mal construidos Criterios de optimización
Más detallesPRÁCTICA No. 2 FORMA POLAR DE UN NUMERO COMPLEJO. Otra forma de expresar un número complejo es la forma polar o forma módulo-argumento,
OBJETIVO EDUCACIONAL PRÁCTICA No. 2 FORMA POLAR DE UN NUMERO COMPLEJO Resolver problemas de aplicación e interpretar las soluciones utilizando matrices y sistemas de ecuaciones lineales para las diferentes
Más detallesInicio. Cálculos previos GRASP. Resultados. Fin. Figura 5.1: Diagrama de flujo del algoritmo.
5. DISEÑO FUNCIONAL En este apartado vamos a detallar los diagramas funcionales que han constituido la base para la posterior implantación informática de la metaheurística. 5.1. Diseño funcional del algoritmo
Más detallesLABORATORIO Nº 8 FILTROS EN EXCEL
OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar filtros en Microsoft Excel. 1) FILTRAR INFORMACIÓN Para agregar un filtro a una tabla se debe seleccionar
Más detallesUNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO
UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN PARA DATOS NO AGRUPADOS MATERIAL DIDACTICO SOLO VISION ASIGNATURA QUE CORRESPONDE: ESTADISTICA
Más detallesFórmulas Matriciales con OpenOffice.org Calc 3
Fórmulas Matriciales con OpenOffice.org Calc 3 Una fórmula matricial en OpenOffice.org Calc es una expresión precedida por el símbolo igual (=) que calcula un resultado o produce algún efecto en la hoja
Más detallesCAPÍTULO III I. MARCO METODOLÓGICO. Este capítulo hace mención a los aspectos metodológicos de la
CAPÍTULO III I. MARCO METODOLÓGICO Este capítulo hace mención a los aspectos metodológicos de la investigación utilizados para la solución del problema. Antes de todo, es necesario definir lo que es una
Más detallesTipos de gráficas y selección según los datos CIENCIA, TECNOLOGIA Y AMBIENTE
Tipos de gráficas y selección según los datos CIENCIA, TECNOLOGIA Y AMBIENTE Objetivos 2 Identificar los tipos de gráficas. Definir los conceptos tablas y cuadros Reconocer las partes de una gráfica. Construir
Más detallesTema 2: Determinantes
Tema 2: Determinantes 1. Introducción En este tema vamos a asignar a cada matriz cuadrada de orden, un número real que llamaremos su determinante y escribiremos. Vamos a ver cómo se calcula. Consideremos
Más detallesUtilización de Funciones en OpenOffice.org Calc
Utilización de Funciones en OpenOffice.org Calc Una función es un conjunto de instrucciones reunidas bajo un nombre que calculan un resultado o llevan a cabo una acción específica. Las funciones pueden
Más detallesMaribel Martínez y Ginés Ciudad-Real Fichas para mejorar la atención MATRIZ DE LETRAS
MATRIZ DE LETRAS p q d b p p b n g b n w n w n n w b p q d b p q d n w n g b n p q p q p q d b p n g n g n g b n w n d b d b b p q d b b n b n n w n g b n p q p q p q d b p n g n g n g b n w n d b d b
Más detallesDistribuciones de frecuencia
Distribuciones de frecuencia Distribución de frecuencias simple Por: Sandra Elvia Pérez Observa los datos que se muestran en la tabla 1, que fueron obtenidos al realizar un conteo del número de autos vendidos
Más detallesFORMATO DE CONTENIDO DE CURSO PLANEACIÓN DEL CONTENIDO DE CURSO
FACULTAD DE: CIENCIAS DE LA EDUCACIÓN PROGRAMA DE: LICENCIATURA EN MATEMÁTICAS 1. IDENTIFICACIÓN DEL CURSO PLANEACIÓN DEL CONTENIDO DE CURSO NOMBRE : ALGEBRA LINEAL CÓDIGO : 22141 SEMESTRE : CUARTO NUMERO
Más detallesPRÁCTICA No. 2 FORMA POLAR DE UN NUMERO COMPLEJO. Otra forma de expresar un número complejo es la forma polar o forma módulo-argumento,
OBJETIVO EDUCACIONAL PRÁCTICA No. 2 FORMA POLAR DE UN NUMERO COMPLEJO El alumno obtendrá, a través de Octave (o MatLab), la magnitud y al argumento de un número complejo a fin de establecer, de manera
Más detallesTema1: Introducción a La Estadística 1.1-1
1 Tema1: Introducción a La Estadística 1.1-1 Determine a cuáles de los términos se hacen referencia en el siguiente estudio : población, muestra, parámetro, estadístico, variable, data. Se quiere saber
Más detallesTutorial MT-a3. Matemática Tutorial Nivel Avanzado. Probabilidad y estadística
12345678901234567890 M ate m ática Tutorial MT-a3 Matemática 2006 Tutorial Nivel Avanzado Probabilidad y estadística Matemática 2006 Tutorial Probabilidad y estadística Marco Teórico 1. Probabilidad P(#)
Más detallesHerramientas computacionales para la matemática MATLAB: Análisis de datos.
Herramientas computacionales para la matemática MATLAB:. Verónica Borja Macías Junio 2012 1 Analizar datos estadísticos en MATLAB es sencillo. Máximo y mínimo max(x) si x es vector encuentra el valor más
Más detallesINFORME PROYECTO CLASIFICADOR DE ACTIVIDADES FÍSICAS
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL4106 Inteligencia Computacional INFORME PROYECTO CLASIFICADOR DE ACTIVIDADES FÍSICAS Nombre Alumno
Más detallesCC3001 Algoritmos y Estructuras de Datos Tarea 1: Algoritmos simples de ordenación
CC3001 Algoritmos y Estructuras de Datos Tarea 1: Algoritmos simples de ordenación Profs. Nelson Baloian, Benjamin Bustos, José A. Pino 4 de agosto de 2009 Fecha de entrega: 18 de agosto de 2009 a las
Más detallesESPACIOS VECTORIALES
MATEMÁTICA I - - Capítulo 8 ------------------------------------------------------------------------------------ ESPACIOS VECTORIALES.. Espacios Vectoriales y Subespacios... Definición. Un espacio vectorial
Más detallesActividad: Qué proporción del área terrestre de Puerto Rico está urbanizada?
Actividad: Qué proporción del área terrestre de Puerto Rico está urbanizada? Introducción En planificación el área urbanizada corresponde a la superficie de un terreno donde se han construido residencias
Más detallesComputación Aplicada. Universidad de Las Américas. Aula virtual de Computación Aplicada. Módulo de Excel 2013 LIBRO 12
Computación Aplicada Universidad de Las Américas Aula virtual de Computación Aplicada Módulo de Excel 2013 LIBRO 12 Contenido GRÁFICOS DINÁMICOS... 3 CASO DE ESTUDIO... 3 INSERTAR UN GRÁFICO DINÁMICO...
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 1: Medidas de Tendencia Central para Datos Crudos
1 Curso de Estadística Unidad de Medidas Descriptivas Lección 1: Medidas de Tendencia Central para Datos Crudos Creado por: Dra. Noemí L. Ruiz Limardo, EdD 010 Derechos de Autor Objetivos 1. Definir las
Más detallesComputación Aplicada. Universidad de Las Américas. Aula virtual de Computación Aplicada. Módulo de Excel 2013 LIBRO 10
Computación Aplicada Universidad de Las Américas Aula virtual de Computación Aplicada Módulo de Excel 2013 LIBRO 10 Contenido GRÁFICOS... 3 GRÁFICOS DESCRIPCION... 4 TIPOS DE GRÁFICOS... 6 GRÁFICOS DE
Más detallesPrácticas de Ecología Curso 3 Práctica 1: Muestreo
PRÁCTICA 1: MUESTREO Introducción La investigación ecológica se basa en la medición de parámetros de los organismos y del medio en el que viven. Este proceso de toma de datos se denomina muestreo. En la
Más detallesGuía práctica de estudio 03: Algoritmos
Guía práctica de estudio 03: Algoritmos Elaborado por: M.C. Edgar E. García Cano Ing. Jorge A. Solano Gálvez Revisado por: Ing. Laura Sandoval Montaño Guía práctica de estudio 03: Algoritmos Objetivo:
Más detalles1.- Sistemas Numéricos 2.- Diferencia entre señal analógica y Digital 3.- Postulados básicos del Algebra de Boole
Profesor/a(s) Nivel o Curso/s Ramon E. Flores Pino 4º D GUÍA Nº 1 Unidad/Sub Unidad 1. Fundamentos de Electronica Digital Contenidos 1.- Sistemas Numéricos 2.- Diferencia entre señal analógica y Digital
Más detallesAnálisis Numérico para Ingeniería. Clase Nro. 3
Análisis Numérico para Ingeniería Clase Nro. 3 Ecuaciones Diferenciales Ordinarias Introducción Problemas de Valores Iniciales Método de la Serie de Taylor Método de Euler Simple Método de Euler Modificado
Más detallesCursada Segundo Cuatrimestre 2012 Guía de Trabajos Prácticos Nro. 1
Temas: Ambiente de trabajo MATLAB. Creación de matrices y vectores. Matrices pre-definidas. Operador dos puntos. Operaciones con matrices y vectores. Direccionamiento de elementos de matrices y vectores.
Más detallesNOMBRE: Elaboración: Lic. Mónica Sánchez Medina. Fecha: 10 de junio de 2014
NOMBRE: 1 RECONOCIENDO MIS COMPETENCIAS. EVALUACIÓN DE MIS CONOCIMIENTOS. TIC IV BLOQUE I PROCESADOR DE PALABRAS GRUPO: NOMBRE DEL ALUMNO FECHA PUNTAJE Subraya la respuesta correcta. a. Es una lista de
Más detallesInvestigación de Operaciones I. Problemas de Asignación
Investigación de Operaciones I Problemas de Asignación MSc. Ing. Julio Rito Vargas II cuatrimestre Introducción Los problemas de asignación incluyen aplicaciones tales como asignar personas a tareas. Aunque
Más detallesSolución de sistemas de ecuaciones lineales: Descomposición LU
Solución de sistemas de ecuaciones lineales: Descomposición LU Ing. Jesús Javier Cortés Rosas M. en A. Miguel Eduardo González Cárdenas M. en A. Víctor D. Pinilla Morán Facultad de Ingeniería, UNAM * 2006
Más detallesMatemática. Desafío. GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo GUICEN041MT22-A16V1
GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo Desafío Una población estadística está compuesta de cuatro números enteros consecutivos, siendo n el menor de ellos. La desviación
Más detallesDe grados tres y cuatro
De grados tres y cuatro Comportamiento general de las funciones polinomiales de grados tres y cuatro Funciones de grado tres. La forma general de las funciones de grado tres (cúbicas) esf x = ax 3 + bx
Más detallesAlgoritmos genéticos
Algoritmos genéticos Introducción 2 Esquema básico 3 El problema de la mochila 7 Asignación de recursos 0 El problema del viajante 3 Variantes del esquema básico 5 Por qué funciona? 9 Observaciones finales
Más detallesProgramación I: Matrices - Arreglos bidimensionales
Programación I: Matrices - Arreglos bidimensionales Esteban De La Fuente Rubio 17 de junio de 2013 Índice 1. Matrices 1 1.1. Operaciones básicas.................................................... 2 1.1.1.
Más detallesCORPORACIÓN UNIFICADA NACIONAL DE EDUCACIÓN SUPERIOR FACULTAD DE INGENIERIAS LINEA INFORMÁTICA GUIA TABLAS DINÁMICAS
TABLAS DINÁMICAS Es una herramienta de presentación de datos. Una Tabla Dinámica combina lo mejor de la consolidación y de los subtotales y va más allá de esas dos herramientas para proporcionar una mayor
Más detallesUNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA FACULTAD DE CIENCIAS PROGRAMA DE MATEMÁTICAS PLAN DE ESTUDIOS
UNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA FACULTAD DE CIENCIAS PROGRAMA DE MATEMÁTICAS PLAN DE ESTUDIOS ASIGNATURA : ELECTIVA I - PROGRAMACION CÓDIGO : 8104661 SEMESTRE : IV CRÉDITOS : 4 FECHA DE
Más detallesBOLETÍN 5: Algoritmos II
BOLETÍN 5: Algoritmos II 1.- Diseñar un programa que muestre la suma de los números impares comprendidos entre dos valores numéricos enteros y positivos introducidos por teclado. 2.- Escribir un programa
Más detallesSOLUCIONARIO Medidas de tendencia central y posición
SOLUCIONARIO Medidas de tendencia central y posición SGUICEG046EM32-A16V1 1 TABLA DE CORRECCIÓN GUÍA PRÁCTICA Medidas de tendencia central y posición Ítem Alternativa 1 C 2 E Aplicación 3 E 4 E Comprensión
Más detalles1.1 CASO DE ESTUDIO: JUEGO DE CRAPS
. CASO DE ESTUDIO: JUEGO DE CRAPS El juego de Craps se practica dejando que un jugador lance dos dados hasta que gana o pierde, el jugador gana en el primer lanzamiento si tiene como total 7 u, pierde
Más detalles3. ANÁLISIS DE SEÑALES
3. ANÁLISIS DE SEÑALES 3.1 REGISTRO Y TRATAMIENTO DE SEÑALES Una señal se define como la historia de los valores de aceleración que mide un acelerómetro en determinado tiempo para un punto específico.
Más detallesDiseño de página y configurar un documento
Contenido 1. Abrir un nuevo documento y empezar a escribir... 3 1.1 Abrir en blanco:... 3 1.2 Crear a partir de una plantilla... 3 1.3 Guardar y reutilizar plantillas... 3 2. Cambiar los márgenes de página...
Más detallesPara poder comenzar a trabajar con Excel, es necesario considerar los siguientes términos:
Conceptos básicos de Excel Para poder comenzar a trabajar con Excel, es necesario considerar los siguientes términos: Libro de trabajo Un libro de trabajo es el archivo que creamos con Excel, es decir,
Más detallesContenido. Introducción Usando di Monitoring como un usuario normal Uso de di Monitoring como un operador de entrada de datos...
1 Contenido Introducción... 3 Características principales... 3 Los niveles de usuario... 4 El aprendizaje de di Monitoring... 4 Usando di Monitoring como un usuario normal... 5 Acceso a di Monitoring...
Más detallesPRÁCTICA No. 2 FORMA POLAR Y EXPONENCIAL DE UN NÚMERO COMPLEJO. Otra forma de expresar un número complejo es la forma polar o forma módulo-argumento,
PRÁCTICA No. 2 FORMA POLAR Y EXPONENCIAL DE UN NÚMERO COMPLEJO OBJETIVO EDUCACIONAL El alumno obtendrá, a través de Octave (o MatLab), la magnitud y al argumento de un número complejo a fin de establecer,
Más detallesMANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
Más detallesGuía práctica de estudio 06: Lenguaje binario
Guía práctica de estudio 06: Lenguaje binario Elaborado por: M.C. Edgar E. García Cano Ing. Jorge A. Solano Gálvez Revisado por: Ing. Laura Sandoval Montaño Guía práctica de estudio 06: Lenguaje binario
Más detallesTema 3: El Método Simplex. Algoritmo de las Dos Fases.
Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo
Más detalles4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC: A continuación se muestran los objetivos así como los mapas funcionales según la línea de acentuación y la línea
Más detallesMÓDULO DE BODEGAS POR EMPRESAS
MÓDULO DE BODEGAS POR EMPRESAS Este módulo tiene como función principal aceptar, cambiar o rechazar los domicilios de las Bodegas, Locales o Plantas registradas de las empresas PITEX o Maquiladoras. La
Más detallesEstudio Económico y Termoeconómico del disco Stirling EuroDish de la E.S.I. de Sevilla
Universidad de Sevilla Escuela Superior de Ingenieros Departamento de Ingeniería Energética Estudio Económico y Termoeconómico del disco Stirling EuroDish de la E.S.I. de Sevilla 24 de mayo de 2010 Autor:
Más detallesA. Menéndez Taller CES 15_ Confiabilidad. 15. Confiabilidad
15. Confiabilidad La confiabilidad se refiere a la consistencia de los resultados. En el análisis de la confiabilidad se busca que los resultados de un cuestionario concuerden con los resultados del mismo
Más detallesSUBMÓDULO DE DISTRIBUCIÓN DE PLANTA DE PERSONAL
SUBMÓDULO DE DISTRIBUCIÓN DE PLANTA DE PERSONAL El siguiente instructivo le permitirá ingresar la información relacionada con la Distribución de Planta de Personal, en cumplimiento del reporte que se debe
Más detallesPROYECTO DETECCIÓN DE CLUSTERS INTRODUCCIÓN AL RECONOCIMIENTO DE PATRONES
PROYECTO DETECCIÓN DE CLUSTERS INTRODUCCIÓN AL RECONOCIMIENTO DE PATRONES Diego Introini 4.379.988-6 Daniel Lena 4.870.247-2 1 INDICE Introducción..3 Marco Teórico.. 4 Clustering....4 K-means.........4
Más detallesNOTAS DE ESTADISTICA DESCRIPTIVA CON AYUDA DE EXCEL 2003 y 2007
NOTAS DE ESTADISTICA DESCRIPTIVA CON AYUDA DE EXCEL 2003 y 2007 TABLA DE CONTENIDO Contenido 1 INTRODUCCIÓN... 1 2 PROCEDIMIENTO MODULO ANÁLISIS DE DATOS DE EXCEL... 2 2.1 PASOS SIGUIENTES PARA EXCEL 2003...
Más detalles2.1. Introducción Análisis exploratorio Análisis exploratorio para variables con muchas modalidades
Tema 2 Análisis gráfico Contenido 2.1. Introducción............................. 1 2.2. Análisis exploratorio......................... 2 2.2.1. Análisis exploratorio para variables con pocas modalidades
Más detallesF REGISTRO DE VENTAS E INGRESOS
F. 14.1 REGISTRO DE VENTAS E INGRESOS Objetivo: Esta opción permite generar el Registro de Ventas e Ingresos Electrónico en formato TXT para enviarlos a SUNAT mediante el Aplicativo de Libros Electrónicos
Más detallesFila: Es un conjunto de varias celdas dispuestas en sentido horizontal.
Que Es Excel? Excel es un programa que permite la manipulación de libros y hojas de calculo. En Excel, un libro es el archivo en que se trabaja y donde se almacenan los datos. Como cada libro puede contener
Más detallesAnálisis de imágenes digitales
Análisis de imágenes digitales SEGMENTACIÓN DE LA IMAGEN Segmentación basada en texturas INTRODUCCIÓN La textura provee información sobre la distribución espacio-local del color o niveles de intensidades
Más detallesQué es una tabla dinámica? Para qué sirve una tabla dinámica?
Gracias a las múltiples solicitudes de alumnos, me he propuesto realizar este manual a modo de entregar una guía base y una ayuda de memoria para todos aquellos que trabajan con esta herramienta. He decidido
Más detallesMULTIPLICACIÓN: LA DIVISIÓN su inversa
ACTIVIDADES MULTIPLICACIÓN: LA DIVISIÓN su inversa CONTENIDO 1. Visualizar la unión de cantidades iguales y su separación como procesos inversos 2. Introducir la noción de la división como inversa de la
Más detallesEstadística Descriptiva
M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo
Más detallesRepresentaciones gráficas: Método del Paralelogramo
Representaciones gráficas: Método del Paralelogramo La relación funcional más simple entre dos variables es la línea recta. Sea entonces la variable independiente x y la variable dependiente y que se relacionan
Más detallesCampo Magnético en un alambre recto.
Campo Magnético en un alambre recto. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (133268) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se hizo pasar
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR. Ingeniería Aplicada TEÓRICA SERIACIÓN 100% DE OPTATIVAS DISCIPLINARIAS
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA SUR DEPARTAMENTO ACADÉMICO DE SIS COMPUTACIONALES INGENIERÍA EN TECNOLOGÍA COMPUTACIONAL ASIGNATURA Algoritmo Genéticos ÁREA DE Ingeniería Aplicada CONOCIMIENTO
Más detalles7. Poblar base de datos a partir de documentos XML validados con esquemas XML
7. Poblar base de datos a partir de documentos XML validados con esquemas XML En este capítulo se aborda el tema de la población de la base de datos que se creó con el constructor automático de bases de
Más detallesWord 2016 Domine las funciones avanzadas del tratamiento de texto de Microsoft
Documentos Recuperar una versión de un documento 7 Guardar un documento en formato PDF o XPS 12 Editar un documento PDF en Word 16 Definir las propiedades de un documento 18 Insertar un documento en otro
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detalles09/12/2010 Módulo de Proveedores
Botones de la Barra de Herramientas / Otros botones Nuevo registro Guardar información La pantalla se limpiará de datos de registros anteriores y se estará en disposición de comenzar a meter la información
Más detallesINTRUCTIVO RENOVACIÓN EN EL REGISTRO DE GENERADORES DE RESIDUOS ESPECIALES NO INDUSTRIALES
INTRUCTIVO RENOVACIÓN EN EL REGISTRO DE GENERADORES DE RESIDUOS ESPECIALES NO INDUSTRIALES Este instructivo, le permite al profesional inscripto en el registro de de generadores de residuos especiales
Más detallesPROCEDIMIENTO PARA GENERAR LOS REQUERIMIENTOS DE SELLOS DIGITALES
PROCEDIMIENTO PARA GENERAR LOS REQUERIMIENTOS DE SELLOS DIGITALES 1. Requerimiento de Sellos El Usuario que desee realizar una Solicitud de Sello Digital debe ingresar a la siguiente dirección Web y descargar
Más detallesB A S E S : C O M P E T E N C I A S U D O K U 1 7 A L 2 0 D E O C T U B R E P R E S E N T A C I Ó N G E N E R A L.
B A S E S : C O M P E T E N C I A S U D O K U 1 7 A L 2 0 D E O C T U B R E 2 0 1 6. P R E S E N T A C I Ó N G E N E R A L. El origen de los Sudoku no se tiene completamente claro, sin embargo hay ciertas
Más detallesUniversidad de Valladolid. Departamento de informática. Campus de Segovia. Estructura de datos Tema 4: Ordenación. Prof. Montserrat Serrano Montero
Universidad de Valladolid Departamento de informática Campus de Segovia Estructura de datos Tema 4: Ordenación Prof. Montserrat Serrano Montero ÍNDICE Conceptos básicos Elección de un método Métodos directos
Más detallesFigura 1: Esquema de las tablas simplex de inicio y general.
RELACIONES PRIMAL-DUAL Los cambios que se hacen en el modelo original de programación lineal afectan a los elementos de la tabla óptima actual el que se tenga en el momento, que a su vez puede afectar
Más detallesMÓDULO 10 INVENTARIO
MÓDULO 10 INVENTARIO 10.1.- FICHERO DE BIENES 10.2.- GRUPOS DE AMORTIZACIÓN 10.3.- GENERACIÓN DE AMORTIZACIÓN 10.4.- GENERACIÓN DE ASIENTOS DE DOTACIÓN 10.5.- GENERAR ASIENTO DE BAJA 10.6.- INVENTARIO
Más detallesTrabajo Práctico 5 Estructura Repetitiva
Trabajo Práctico 5 Estructura Repetitiva Los ejercicios para resolver y enviar por los alumnos son los que están con letra negrita los mismos deben ser enviados en un archivo zip por medio de la página
Más detallesSISTEMA INTEGRADO DE GESTIÓN OPERATIVA (SIGO) APLICACIÓN ACTAS DE LIBERACIÓN DE RACIONES (MODALIDAD RACIONES) MANUAL DE USUARIO
SISTEMA INTEGRADO DE GESTIÓN OPERATIVA (SIGO) APLICACIÓN ACTAS DE LIBERACIÓN DE RACIONES (MODALIDAD RACIONES) MANUAL DE USUARIO SISTEMA INTEGRADO DE GESTIÓN OPERATIVA (SIGO) El Sistema Integrado de Gestión
Más detallesAccys Contab. Contabilidad General
Accys Contab Contabilidad General Índice: 1.- Pantalla principal 2.- Catálogos 3.- Pólizas 4.- Reportes 5.- Operaciones Especiales 1.- Pantalla principal 1.1.- Componentes de la pantalla principal A) Menú
Más detallesUNIDAD 9 TIPOS DE DATOS
UNIDAD 9 TIPOS DE DATOS COMPETIC 1 HOJA DE CÁLCULO Formato del contenido Se pueden asociar a los datos que contienen las celdas un formato de dato. Esto tiene implicaciones a la hora de presentar la información,
Más detallesedición de datos) Área Académica: Informática Tema: Hoja Electrónica (Introducción y Profesora: I.S.C. Francisco Ángeles Ángeles
Área Académica: Informática Tema: Hoja Electrónica (Introducción y edición de datos) Profesora: I.S.C. Francisco Ángeles Ángeles Periodo: Enero-Julio 2013 Abstract These topics identify concepts: groups
Más detallesCURSO DE POSTGRADO. Matemáticas I. N o m b r e C u r s o. Rodrigo Assar (ICBM) ICBM, Facultad de Medicina, U-Chile U N I D A D A C A D É M I C A
UNIVERSIDAD DE CHILE FACULTAD DE MEDICINA ESCUELA DE POSTGRADO CURSO DE POSTGRADO Matemáticas I N o m b r e C u r s o SEMESTRE 1º AÑO 2014 PROF. ENCARGADO Rodrigo Assar (ICBM) N o m b r e C o m p l e t
Más detallesSon una clase particular de los algoritmos evolutivos.
Algoritmos Genéticos (AGs) Los AGs son técnicas de resolución para problemas de Búsqueda Optimización Aprendizaje en máquinas Son una clase particular de los algoritmos evolutivos. Los AGs intentan resolver
Más detallesEncontrando patrones en los objetos que nos rodean
QUINTO Grado - Unidad 5 - Sesión 03 Encontrando patrones en los objetos que nos rodean En esta sesión, los niños y las niñas resolverán problemas sobre patrones aditivos y justificarán sus conjeturas sobre
Más detallesLIBRO BASICO DE MICROSOFT EXCEL ) Usted puede crear la URL (una carpeta para guardar el libro).
LIBRO BASICO DE MICROSOFT EXCEL 2010. OBJETIVO GENERAL Manejar los distintos Menús y las herramientas de la Cinta de Opciones, operaciones básicas y administración de datos en Excel para la gestión administrativa
Más detallesCapítulo. Gráficos. as de gráficos. Programa Nacional de Informática
Capítulo Gráficos Estadísticos En este capítulo trataremos: Determinar el propósitoo de cada tipo de gráfico Insertar un gráfico de columnas Uso de las herramienta as de gráficos Ejercicios Propuestos
Más detallesPASOS PARA CREAR UNA TABLA DINÁMICA UTILIZANDO EL ASISTENTE
TABLAS DINÁMICAS Es una herramienta de presentación de datos. Una Tabla Dinámica combina lo mejor de la consolidación y de los subtotales y va más allá de esas dos herramientas para proporcionar una mayor
Más detallesMANUAL SYS APOLO ACTIVOS FIJOS
2016 MANUAL SYS APOLO ACTIVOS FIJOS SYS SOFTWARE Y SOLUCIONES Ltda. Nit 900107246-0 01/01/2016 COMO INGRESAR AL PROGRAMA Remítase al manual de ingreso al sistema de SyS Nuevo Una vez ingrese al modulo
Más detallesINSTRUCTIVO SISTEMA DE REFERENCIACIÓN COMPARATIVA ONLINE DE INDICADORES DE DESEMPEÑO HOSPITALARIO -QUID-
SISTEMA DE REFERENCIACIÓN COMPARATIVA ONLINE DE INDICADORES DE DESEMPEÑO HOSPITALARIO -QUID- 1. Ingresar al aplicativo en el siguiente link: http://quid.ecoanalitica.co/ 2. En la parte superior derecha
Más detalles