Método de las Superficies de Respuesta
|
|
- Ignacio Aguilar Belmonte
- hace 7 años
- Vistas:
Transcripción
1 7 Método de las Superficies de Respuesta En este capítulo se analizará en qué consiste la Metodología de Superficies de Respuesta, su representación gráfica, el procedimiento a seguir hasta encontrar un óptimo y los diseños experimentales que pueden utilizar. 7.1 Definición. La Metodología de Superficies de Respuesta (RSM) es un conjunto de técnicas matemáticas utilizadas en el tratamiento de problemas en los que una respuesta de interés está influida por varios factores de carácter cuantitativo. El propósito inicial de estas técnicas es diseñar un experimento que proporcione valores razonables de la variable respuesta y, a continuación, determinar el modelo matemático que mejor se ajusta a los datos obtenidos. El objetivo final es establecer los valores de los factores que optimizan el valor de la variable respuesta. Cuando decimos que el valor real esperado, η, que toma la variable de interés considerada está influido por los niveles de k factores cuantitativos, X 1, X 2,..., X k, esto significa que existe alguna función de X 1, X 2,..., X k (que se supone continua en X i, i = 1,..., k) que proporciona el correspondiente valor de para alguna combinación dada de niveles: de tal forma que la variable respuesta puede expresarse como:,,, (7.1),,, (7.2) donde ε es el error observado en la respuesta. La relación,,, existente entre η y los niveles de los k factores puede representarse a través de una hipersuperficie (subconjunto de un espacio euclídeo (k+1)- dimensional) a la que llamaremos superficie de respuesta. 7.2 Terminología. Factores. Son las condiciones del proceso que influencian la variable de respuesta. Estos pueden ser cuantitativos o cualitativos. En el presente trabajo los factores se corresponden con el ángulo de la lámina correspondiente, por tanto tendremos tantos factores como número de láminas. Respuesta. Es una cantidad medible cuyo valor se ve afectado al cambiar los niveles de los factores. El interés principal es optimizar dicho valor. En el presente trabajo la Respuesta no es más que el resultado de la aplicación del Criterio de Tsai-Wu. 88
2 89 Método de las Superficies de Respuesta Función de respuesta. Al decir que un valor de respuesta Y depende de los niveles x 1, x 2,... x k de k factores, ξ 1, ξ 2,... ξ k, estamos diciendo que existe una función matemática de x 1, x 2,... x k cuyo valor para una combinación dada de los niveles de los factores corresponde a Y, esto es Y=f(x 1, x 2,... x k ). Función de respuesta predicha. La función de respuesta se puede representar con una ecuación polinomial. El éxito en una investigación de una superficie de respuesta depende de que la respuesta se pueda ajustar a un polinomio de primer o segundo grado. Supongamos que la función de respuesta para los niveles de dos factores se puede expresar utilizando un polinomio de primer grado: (7.3) donde,, son los coeficientes de regresión a estimar, x1 y x2 representan los niveles de x 1 y x 2 respectivamente. Suponiendo que se dispone de N3 valores de respuesta (Y), con los estimadores b0, b1 y b2 se obtienen, y respectivamente. Al remplazar los coeficientes de regresión por sus estimadores obtenemos: donde denota el valor estimado de Y dado por x 1 y x 2. (7.4) Superficie de respuesta. La relación Y=f(x 1, x 2,... x k ) entre Y y los niveles de los k factores x 1, x 2,... x k representa una superficie. Con k factores la superficie está en k+1 dimensiones. Por ejemplo cuando se tiene Y=f(x 1 ) la superficie esta en dos dimensiones, mientras que si tenemos Y=f(x 1, x 2.) la superficie está en tres dimensiones. Y x 1 x 2 Figura 7.1 Superficie de respuesta tridimensional. Gráfica de contornos. Una técnica utilizada para ayudar a visualizar la forma que puede tener una superficie de respuesta tridimensional consiste en representar la gráfica de contornos de la superficie, en la que se trazan las denominadas líneas de contorno, que son curvas correspondientes a valores constantes de la respuesta sobre el plano X 1 X 2 (plano cuyos ejes coordenados vienen dados por los niveles X 1 y X 2 de los factores). Geométricamente, cada línea de contorno es una proyección sobre el plano X 1 X 2 de una sección de la superficie de respuesta al intersectar con un plano paralelo al X 1 X 2. La gráfica de contornos resulta útil para estudiar los niveles de los factores en los que se da un cambio en la forma o altura de la superficie de respuesta. La existencia de gráficas de contorno no está limitada a 3 dimensiones a pesar de que en el caso en que haya más de 3 factores de influencia no es posible la representación geométrica. No obstante, el hecho de poder representar gráficas de contorno para problemas en que haya 2 o 3 factores permite visualizar más fácilmente la situación general.
3 90 Método de las Superficies de Respuesta Para generar la gráfica de contornos correspondiente se secciona la superficie de respuesta usando planos paralelos al X 1 X 2 en ciertos valores de respuesta considerados, por ejemplo: Figura 7.2 Gráfica de contornos. 7.3 Polinomio de primer orden. Generalmente se desconoce la relación entre la respuesta y las variables independientes, por ello requerimos un modelo que aproxime la relación funcional entre Y y las variables independientes. Si la respuesta se describe adecuadamente por una función lineal de las variables independientes se utiliza el modelo de primer orden: (7.5) Los parámetros del modelo se estiman mediante el método de mínimos cuadrados. Una vez que se tienen los estimadores se sustituyen en la ecuación y obtenemos el modelo ajustado: (7.6) donde la matriz X puede escribirse alternativamente como X = [ 1 : D ], con D la matriz de combinaciones de niveles de los factores, denominada matriz de diseño. Si la matriz X es de rango completo, entonces el estimador de β obtenido por el método de mínimos cuadrados es (que es, de hecho, el mejor estimador lineal de β) y la matriz de varianzas-covarianzas de b viene dada por. Este modelo se utiliza cuando queremos estudiar el comportamiento de la variable de respuesta únicamente en la región y cuando no conocemos la forma de la superficie. La forma de la función f que determina la relación entre los factores y la variable respuesta es, en general, desconocida, por lo que el primer objetivo de la RSM consiste en establecer experimentalmente una aproximación apropiada de la función f. Para ello, se propone un modelo de ecuación, generalmente polinómico, en los k factores X 1, X 2,..., X k y se selecciona un conjunto de tratamientos sobre los que realizar las observaciones experimentales, que se utilizarán tanto para obtener estimaciones de los coeficientes en el modelo propuesto (por ejemplo, a través del método de mínimos cuadrados) como para obtener una estimación de la variación del error experimental (para lo que es necesario tener al menos 2 observaciones por cada tratamiento). Se realizan, entonces, contrastes sobre las estimaciones de los parámetros y sobre el ajuste del modelo y si el modelo se considera adecuado, puede utilizarse como función
4 91 Método de las Superficies de Respuesta de aproximación. En tal caso, el estudio de la superficie de respuesta se hace en términos de la superficie ajustada, pues su análisis será aproximadamente equivalente al del sistema real. Los polinomios usados más frecuentemente como funciones de aproximación son los de órdenes uno y dos: Modelo de primer orden: (7.7) 7.4 Análisis del error en el modelo ajustado. Para estimar los coeficientes se requieren Nk+1 valores de respuesta (Y). El análisis de los datos se suele representar en una tabla de análisis de varianza. La tabla presenta las diferentes fuentes de variación que contribuyen a la variación total de los datos. La variación total recibe el nombre de suma de cuadrados total SST, y se calcula de la siguiente manera: (7.8) donde Y i es el valor observado en la i-ésima muestra. La suma de cuadrados se compone por la suma de cuadrados debido a la regresión. La fórmula de la suma de cuadrados debido a la regresión es: (7.9) La suma de cuadrados residual, se calcula de la siguiente forma: (7.10) Se puede hacer un análisis del ajuste del modelo con la R 2, que es la proporción total de la variación de las Y i con respecto a la media que se puede explicar con la ecuación de regresión ajustada. (7.11)
5 92 Método de las Superficies de Respuesta 7.5 Método de máxima pendiente en ascenso. El método de máxima pendiente en ascenso consiste en ejecutar una secuencia de experimentos a lo largo de la línea de máximo incremento de la respuesta. Si el modelo ajustado de primer orden es adecuado, la información que éste proporciona se utiliza para determinar una dirección en la cual se espere observar mayores valores de la variable respuesta. A medida que se avanza sobre la superficie ajustada en la dirección en que se incrementan los valores de la respuesta y se va llegando a una región en la que haya curvatura en la superficie real, el incremento en la respuesta se estabilizará en el punto más alto de la superficie ajustada. Si se continúa en esta dirección y la altura de la superficie disminuye, se lleva a cabo un nuevo conjunto de experimentos y se ajusta de nuevo el modelo de primer orden. Se determina una nueva dirección hacia valores crecientes de la respuesta y se ejecuta otra secuencia de experimentos en la dirección determinada. Este proceso continúa hasta que se hace evidente que a partir del método no se puede obtener un incremento en la respuesta o éste es muy pequeño. Si los tests de ajuste detectan que puede haber curvatura en la superficie, se aumenta un grado al modelo añadiéndole los términos del producto cruzado y/o los términos cuadráticos puros y se completa el diseño de primer orden añadiéndole los puntos necesarios para ajustar el nuevo modelo de segundo orden. Si el modelo de segundo orden se ajusta adecuadamente, se utiliza para describir la forma de la superficie a través de la gráfica de contornos en la región experimental. Se utiliza entonces el modelo ajustado de segundo orden para localizar, en el lugar en el que la pendiente de la superficie ajustada es cero, las coordenadas del punto estacionario, que es el punto que proporciona el valor óptimo de la variable respuesta y, si se detecta que éste se encuentra dentro de los límites de la región experimental, se pasa a determinar su naturaleza (si es máximo, mínimo o punto de silla). Si, por el contrario, el punto estacionario no se halla dentro de la región experimental, hemos de realizar una nueva experimentación en la dirección en la que éste se encuentra. Una vez que se ha localizado el punto que proporciona valores óptimos de la variable respuesta, se describe la superficie en un entorno próximo a éste. Frecuentemente la estimación inicial de las condiciones de operación óptimas está alejada del óptimo real, en este caso se desea moverse rápidamente a la vecindad del óptimo. El método de máxima pendiente en ascenso es un procedimiento para recorrer secuencialmente la trayectoria de la máxima pendiente, que nos lleva en dirección del máximo aumento de la respuesta. Cuando se desea la minimización se habla de mínima pendiente en descenso. La dirección de ascenso máximo es en la que aumenta más rápido, ésta es paralela a la normal de la superficie de respuesta ajustada. Los incrementos a lo largo de la trayectoria son proporcionales a los coeficientes de regresión β 0, β 1, β 2,... Los experimentos se llevan a cabo hasta que deje de observarse un incremento en la respuesta, entonces se ajusta un nuevo modelo de primer orden con el que se determina una nueva trayectoria y se continua con el procedimiento. Finalmente, se consigue llegar a la cercanía del óptimo, esto ocurre cuando existe falta de ajuste del modelo de primer orden Algoritmo para determinar las coordenadas de un punto en la trayectoria de máxima pendiente en ascenso. Un algoritmo utilizado es el siguiente: Supóngase que el punto x 1 = x 2 =... = x k =0. 1. Se elige un tamaño de incremento o escalón en una de las variables del proceso, digamos Δx j, usualmente se elige la variable de la que más se sabe, o la que tiene el mayor coeficiente de regresión absoluto.
6 93 Método de las Superficies de Respuesta 2. El tamaño de incremento en las otras variables es Δ donde i= 1, 2,..., k i j. (7.12) 3. Se convierte Δx i de variables codificadas a variables naturales. 7.6 Diseños experimentales para ajustar superficies de respuesta. El ajuste y análisis de una superficie de respuesta se facilita con la elección apropiada de un diseño experimental. Un diseño es el conjunto específico de combinaciones de los niveles de las k variables que se utilizará al llevar a cabo el experimento. La elección de un diseño adecuado del experimento a realizar es fundamental para modelar y explorar la superficie de respuesta usada para ajustar un modelo polinómico al conjunto de datos recogidos en los puntos del diseño. Así pues, sería deseable que el diseño tuviera, de las características que se enumeran a continuación, y dado que algunas de ellas resultan conflictivas entre sí, las que más sirvan al interés del experimento: 1. Generar una distribución razonable de puntos y, por tanto, de información, en toda la región de interés, pero utilizando el menor número posible de puntos experimentales. 2. Asegurar que, para cada punto x, el valor ajustado, Ŷ(x), está tan cerca como sea posible del valor real, Y(x). 3. Permitir la detección de falta de ajuste en el modelo. 4. Permitir la ejecución de los experimentos en bloques. 5. Permitir la construcción secuencial de diseños de orden creciente. 6. Proporcionar una estimación interna de la varianza del error. 7. Asegurar simplicidad en los cálculos de las estimaciones de los parámetros del modelo. Además de las propiedades mencionadas, sería muy conveniente que el diseño elegido fuera ortogonal y/o invariante por rotación. Un diseño ortogonal es aquel en el que los términos del modelo ajustado son sin correlación y, por tanto, también las estimaciones de los parámetros lo son, en cuyo caso, la varianza de la respuesta esperada en cualquier punto de la región experimental se puede expresar como la suma ponderada de las varianzas de los parámetros estimados del modelo. Por otro lado, en un diseño invariante por rotación, la varianza de Ŷ(x), que depende de la situación del punto x, es función únicamente de la distancia del punto al centro del diseño, lo que significa que es la misma en todos los puntos equidistantes del centro del diseño. Teniendo en cuenta que el objetivo de la RSM es la optimización de la respuesta y que se desconoce la localización del óptimo antes de ejecutar el experimento, esta propiedad resulta muy interesante, puesto que garantiza que el diseño proporciona estimaciones igualmente precisas en todas las direcciones.
7 94 Método de las Superficies de Respuesta Diseños para ajustar modelos de primer orden. Si el modelo es una representación adecuada de la respuesta real esperada, entonces el diseño elegido para estimar los parámetros debe proporcionar valores razonables de la respuesta sobre la región de interés. Los diseños considerados con el propósito de recoger datos para ajustar un modelo de primer orden se conocen como diseños de primer orden. Un criterio razonable para la elección de un diseño de primer orden adecuado es la minimización de Var(Ŷ), lo que se logra minimizando la varianza de los estimadores de los parámetros β i, i = 1,..., k. Hay una única clase de diseños que lo consiguen, los ortogonales, que en los modelos de primer orden son aquellos para los que se verifica que los elementos de fuera de la diagonal principal de la matriz son cero, lo que nos permite determinar de manera independiente los efectos de los k factores (medidos a través de los valores de b i, i = 1,..., k). Además, se verifica que todo diseño ortogonal de primer orden es invariante por rotación. Una clase única de diseños que minimizan la varianza de los coeficientes de regresión (β i ) son los diseños ortogonales de primer orden. Por ortogonal se entiende que los elementos fuera de la diagonal de la matriz son iguales a cero, lo cual implica que los productos cruzados de las columnas de la matriz es igual a cero. En esta clase de diseños ortogonales de primer orden se incluyen: 1. Diseños factoriales 2 k. 2. Fracciones de la serie 2 k. 3. Diseños simplex Diseños factoriales 2 k. En un diseño factorial 2 k, para cada factor se consideran dos niveles, que pueden codificarse en los valores +1 (para el más alto) y 1 (para el más bajo). Considerando todas las posibles combinaciones de los niveles de los k factores, se obtiene una matriz de diseño de 2 k filas, cada una de las cuales representa un tratamiento. Los diseños factoriales 2 k presentan el inconveniente de que, salvo que se repitan algunas observaciones, no permiten la estimación del error experimental. Una técnica habitual para incluir repeticiones consiste en aumentar el diseño con algunas observaciones en el centro, pues esto no influye sobre las estimaciones de los parámetros y no altera la ortogonalidad del diseño, aunque como resultado, la estimación de β 0 es la media de todas las observaciones Fracciones de la serie 2 k. Estamos considerando los diseños factoriales 2 k para ajustar los modelos de primer orden, pero si se recogen datos en todos los puntos es posible, en realidad, estimar todos los coeficientes de un modelo de la forma: (7.13) en el que los términos adicionales de mayor orden están asociados con las interacciones entre los factores. De esta manera, el número de puntos del diseño, y por tanto, el número de observaciones, junto con el número de posibles términos del modelo con parámetros estimables, se incrementan rápidamente a medida que aumenta el número k de factores.
8 95 Método de las Superficies de Respuesta Así pues, hay que valorar, en función del coste del experimento, si para ajustar un modelo de primer orden es necesario llevar a cabo las 2 k combinaciones, o si es más conveniente omitir algunas utilizando únicamente un subconjunto de los puntos de un diseño factorial 2 k. Se puede considerar en este último caso una fracción 2 -m de un diseño 2 k que consiste en 2 k-m tratamientos (k m), siempre y cuando el diseño resultante tenga, al menos, k+1 puntos, que es el número de parámetros que han de estimarse y mantenga las mismas propiedades que las del factorial completo, en particular, sea ortogonal Diseño simplex. En este diseño los puntos se localizan en los vértices de una figura regular, ésta tiene k+1 vértices y está en k dimensiones. Para k=2 la figura geométrica es un triángulo equilátero y para k=3 es un tetraedro. Como el número de puntos es igual al número de coeficientes del modelo se recomienda adicionar réplicas en el punto central para que sea posible obtener la varianza del error y/o llevar a cabo la prueba de falta de ajuste. 7.7 Aplicación del RSM a Laminados en Materiales compuestos. El Método de las Superficies de Respuestas consiste en el análisis y planteamiento de experimentos empleados en el modelado matemático de respuestas. En este sentido el método procura identificar la relación entre las variables independientes de un sistema, que son los factores controlables, y las variables dependientes del sistema, que son las respuestas. El Método de las Superficies de Respuestas obtiene una curva o superficie a través de los puntos que resultan de la respuesta del problema estudiado y de la utilización de una función de regresión, también llamada función base. La función base generalmente es un polinomio de primer orden o segundo orden o está compuesta por términos que son funciones trigonométricas. Los coeficientes de la función base pueden ser estimados con una regresión matemática, utilizando el método de los mínimos cuadrados. El modelo empírico resultante es llamado Superficie de Respuesta. En muchas de las aplicaciones donde se hace uso de las Superficies de Respuesta, la forma de relacionar las variables dependientes e independientes es desconocida. De esta forma es necesario aplicar el método SR de forma secuencial, o sea, realizar una primera aproximación para esta relación, utilizando una regresión de bajo grado polinómico e incrementándolo si fuera necesario. Una relación entre las variables dependientes e independientes viene dada de la formulación de la mecánica clásica de laminados, de esta manera la aplicación secuencial de las SR no es necesaria. Se sabe que la formulación de los problemas de compuestos laminados presentan soluciones donde aparecen funciones trigonométricas de seno y coseno, por eso una regresión con una función base compuesta por funciones trigonométricas es una excelente elección para la construcción de un SR [Lee & Lin, 2003]. Como describen [Lee & Lin, 2003], se puede describir la respuesta de la variable de salida, vector y, como: (7.14) donde,
9 96 Método de las Superficies de Respuesta 1 1 ; (7.15) 1 ; donde ε es el vector error, β representa el vector de coeficientes desconocidos y X es la matriz de funciones base (los multiplicadores de β) evaluados en k experimentos diferentes. El objetivo será, dado un conjunto de valores de y conocidos, obtener los valores de β donde el error ε sea mínimo. La función de error cuadrático es una manera de medir un valor en función de la variación en torno a un valor ideal, y viene dada por: (7.16) Para obtener un valor con mínimo error cuadrático, será necesario satisfacer la condición: 2 (7.17) A partir de la (Eq. 7.17) se obtiene el vector que paso a denominarlo b, y que representa el vector de coeficientes β que minimiza el error cuadrático L: (7.18) La ecuación de regresión estimada por el modelo SR nos proporciona los valores: (7.19) Lee & Lin (2003) también describen un test para un compuesto laminado con el objetivo de verificar el método de las superficies de respuesta. Este test utiliza cinco tipos de funciones base diferentes, con el objetivo de comparar la respuesta utilizando funciones trigonométricas y funciones polinómicas. Debido a la direccionalidad y periodicidad de las fibras de las láminas, las funciones trigonométricas presentan un mejor comportamiento. Para realizar los test se utilizaron cuatro funciones base de las presentadas por [Lee & Lin, 2003]. Estos tipos son: Tipo 1: (7.20)
10 97 Método de las Superficies de Respuesta Tipo 2: Tipo 3: 2 2 (7.21) 2 2 Tipo 4: (7.22) (7.23) Donde y es la respuesta de la estructura, x son las variables independientes, n es el número de variables de C,D,E,F,G,H,I y J los coeficientes desconocidos de las funciones base. El número de experimentos, o sea, el número de puntos utilizados para la construcción de la superficie de respuesta, es un factor clave para garantizar una buena respuesta. De acuerdo a [Akira & Ishikawa, 2003], se recomienda utilizar dos veces el número de coeficientes de la función base.
Regresión polinomial y factores
Capítulo Regresión polinomial y factores.. Regresión polinomial Si una función media tiene un predictor X pueden usarse sus potencias enteras para aproximar E (Y X). El caso más simple es la regresión
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesMETODOLOGIA DE SUPERFICIES DE RESPUESTA. Esto se logra al determinar las condiciones óptimas de operación del sistema.
37 CAPITULO METODOLOGIA DE SUPERFICIES DE RESPUESTA En este capítulo hablaremos de qué es la Metodología de Superficies de Respuesta, su representación gráfica, el procedimiento a seguir hasta encontrar
Más detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
Más detallesTema 3: Espacios eucĺıdeos
Marisa Serrano, Zulima Fernández Universidad de Oviedo 25 de noviembre de 2009 email: mlserrano@uniovi.es Índice 1 2 3.1 V, R espacio vectorial, la aplicación : V V R ( v, u) v u a) v 1, v 2, u V α, β
Más detalles1. Los números reales. 2. Representación. 3. Densidad de los números racionales. 4. Propiedades de los números reales
EJES ARTICULADORES Y PRODUCTIVOS DEL AREA SISTEMA DE CONOCIMIENTOS GRADO: 10 11 1. Los números reales 1. Desigualdades. 2. Representación 2. Propiedades. 3. Densidad de los números racionales 4. Propiedades
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesOPTIMIZACIÓN ESTADÍSTICA DEL TIEMPO DE VIDA DE ANAQUEL DEL LITCHI Y EL NOPAL. Ana Marlene López Ramos
OPTIMIZACIÓN ESTADÍSTICA DEL TIEMPO DE VIDA DE ANAQUEL DEL LITCHI Y EL NOPAL Ana Marlene López Ramos Marzo de 2015 Índice general Introducción V 1. Desarrollo histórico de la Metodología de superficies
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesExpresión decimal. Aproximación y estimación. Notación científica. Polinomios. Divisibilidad de polinomios. Regla de Ruffini.
Otras páginas Matemáticas 5º Matemáticas I. Bloque I: ARITMÉTICA Y ÁLGEBRA Los números reales Los números reales, concepto y características. Estructura algebraica, orden, representación en la recta real
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detallesTEMA 4 CUESTIONARIO DE AUTOEVALUACIÓN
4.5.- En cuál de los siguientes casos se podría utilizar la varianza residual en lugar del coeficiente de determinación para medir la calidad del ajuste? Con el mismo conjunto de datos y dos ajustes distintos.
Más detallesANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS
ANÁLISIS DE DATOS EXPERIMENTALES POR MÍNIMOS CUADRADOS CONTENIDO 1 Ajuste de Curvas 2 Análisis de Regresión 2.1 Métodos de Mínimos Cuadrados 2.2 Regresión Lineal AJUSTE DE CURVAS Uno de los objetivos en
Más detallesGobierno de La Rioja MATEMÁTICAS CONTENIDOS
CONTENIDOS MATEMÁTICAS 1.- Números reales Distintas ampliaciones de los conjuntos numéricos: números enteros, números racionales y números reales. Representaciones de los números racionales. Forma fraccionaria.
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detalles1. Metodología de respuesta
1. Metodología de respuesta En las secciones anteriores se ha estudiado el comportamiento de la variable respuesta cuando se ve afectada por diferentes factores, sin embargo no se ha tocado el tema a cerca
Más detallesEspacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados
Capítulo 5 Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados En este tema iniciamos el estudio de los conceptos geométricos de distancia y perpendicularidad en K n. Empezaremos con las definiciones
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesMatemáticas II Bachillerato Ciencias y Tecnología 2º Curso ESPACIO AFÍN Introducción Ecuaciones de la recta...
Unidad 5 ESPACIO AFÍN 5.. Introducción.... - - 5.. Ecuaciones de la recta.... - - 5.3. Ecuaciones del plano.... - 4-5.4. Posiciones relativas (Incidencia y paralelismo).... - 6 - Anexo I.- EJERCICIOS...
Más detallesRegresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística
Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012
Más detalles3. RELACION ENTRE DOS CONJUNTOS DE DATOS.
3. RELACION ENTRE DOS CONJUNTOS DE DATOS. 3. 1 Introducción En la búsqueda de mejoras o en la solución de problemas es necesario, frecuentemente, investigar la relación entre variables. Para lo cual existen
Más detallesMATEMÁTICASII Curso académico BLOQUE GEOMETRÍA. TEMA 1: VECTORES
MATEMÁTICASII Curso académico 2015-2016 BLOQUE GEOMETRÍA. TEMA 1: VECTORES 1.1 VECTORES DEL ESPACIO. VECTORES LIBRES DEL ESPACIO Sean y dos puntos del espacio. Llamaremos vector (fijo) a un segmento orientado
Más detallesTEMA 2: DISTRIBUCIONES BIDIMENSIONALES
TEMA : DISTRIBUCIONES BIDIMENSIONALES 1.- DISTRIBUCIONES BIDIMENSIONALES Cuando estudiamos un solo carácter estadístico, los datos que obtenemos forman una variable estadística unidimensional. También
Más detallesCAPÍTULO 2. Las mediciones en la física
CAPÍTULO 2. Las mediciones en la física 2.13 Introducción a la graficación de resultados En la ciencia, la tecnología y en muchas otras actividades con frecuencia se prefiere analizar los datos por medio
Más detallesTema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
Más detallesTema 2: Análisis de datos bivariantes
Tema 2: Análisis de datos bivariantes Los contenidos a desarrollar en este tema son los siguientes: 1. Tablas de doble entrada. 2. Diagramas de dispersión. 3. Covarianza y Correlación. 4. Regresión lineal.
Más detallesBachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º ( )
1 Bachillerato Internacional. Matemáticas Nivel Medio. Programa para el curso 1º (2015-2016) Tema 1: NÚMEROS REALES Conjuntos numéricos. Números naturales. Números enteros. Números racionales. Números
Más detallesEl análisis de correspondencias. Ana María López Jiménez Dept. Psicología Experimental (USE)
El análisis de correspondencias Ana María López Jiménez Dept. Psicología Experimental (USE) 4. El análisis de correspondencias 4.. Introducción 4.2. Tabla de correspondencias 4.3. Dependencia e independencia
Más detallesEstadística de dos variables
Versión: Estadística de dos variables 19 de septiembre de 013 1 Introducción En el Tema 1 se consideran las variables estadísticas unidimensionales, es decir, cada individuo de la muestra se describe de
Más detallesCOMPONENTES PRINCIPALES
COMPONENTES PRINCIPALES Jorge Galbiati R. El método de Componentes Principales tiene por objeto reducir la dimensionalidad de un problema de múltiples variables, aplicando una sucesión de transformaciones
Más detallesANALISIS FACTORIAL. Jorge Galbiati R.
ANALISIS FACTORIAL Jorge Galbiati R El análisis factorial es un modelo matamático que pretende explicar la correlación entre un conjunto grande de variables observadas y un pequeño conjunto de factores
Más detallesDiseños Factoriales. Diseño de experimentos p. 1/25
Diseños Factoriales Diseño de experimentos p. 1/25 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de
Más detallesTEMA 3 REGRESIÓN Y CORRELACIÓN
TEMA 3 REGRESIÓN Y CORRELACIÓN Regresión mínimo-cuadrática bidimensional Planteamiento del problema Dadas dos variables aleatorias X e Y definidas sobre un mismo espacio de probabilidad (asociadas a un
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE
PROBABILIDAD Y ESTADÍSTICA Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE 4.1 Regresión lineal simple y curvilínea 4.1.1 Variable dependiente e independiente 4.1.2 Ecuación de regresión 4.1.2.1 Aplicación
Más detallesPruebas extraordinarias de septiembre Bachillerato
Pruebas extraordinarias de septiembre Bachillerato El Departamento de Matemáticas establece como prueba extraordinaria un único examen, en el que se incluirán los contenidos mínimos establecidos para cada
Más detalles1. Los números racionales. 2. Operaciones con racionales. 3. Clasificación de los decimales. 4. Irracionales. (representación, orden).
EJES ARTICULADORES Y PRODUCTIVOS DEL AREA SISTEMA DE CONOCIMIENTOS GRADO: 8 9 1. Los números racionales. 2. Operaciones con racionales. 3. Clasificación de los decimales. 1. Los números reales. 2. Notación
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II DISTRITO ÚNICO DE ANDALUCÍA
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II DISTRITO ÚNICO DE ANDALUCÍA CONTENIDOS Y OBJETIVOS MÍNIMOS PARA EL CURSO 2007/08. 1. INTRODUCCIÓN A LOS CONTENIDOS. ( Decreto 208/2002. B.O.J.A. de 20.08.02
Más detallesCONTENIDOS MÍNIMOS BLOQUE 2. NÚMEROS
CONTENIDOS Y CRITERIOS DE EVALUACIÓN DE MATEMÁTICAS 1º DE ESO. Bloque 1: Contenidos Comunes Este bloque de contenidos será desarrollado junto con los otros bloques a lo largo de todas y cada una de las
Más detallesy cualquier par (x, y) puede escalarse, multiplicarse por un número real s, para obtener otro vector (sx, sy).
UNIDAD II: VECTORES EN DOS Y TRES DIMENSIONES Un espacio vectorial (o espacio lineal) es el objeto básico de estudio en la rama de la matemática llamada álgebra lineal. A los elementos de los espacios
Más detallesEconometría II. Hoja de Problemas 1
Econometría II. Hoja de Problemas 1 Nota: En todos los contrastes tome como nivel de significación 0.05. 1. SeanZ 1,...,Z T variables aleatorias independientes, cada una de ellas con distribución de Bernouilli
Más detallesECUACIONES DE RECTAS Y PLANOS
ECUACIONES DE RECTAS Y PLANOS Una recta en el plano está determinada cuando se dan dos puntos cualesquiera de la recta, o un punto de la recta y su dirección (su pendiente o ángulo de inclinación). La
Más detallesSelección Diseño de Cribado
Selección Diseño de Cribado Resumen La sección diseño experimental del STATGRAPHICS puede crear una amplia variedad de diseños dirigidos a mostrar los factores más importantes que afectan un proceso. Se
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesMatemáticas II Bachillerato Ciencias y Tecnología 2º Curso. Espacio euclídeo Determinación de ángulos
Espacio euclídeo 5.1. Determinación de ángulos.... - 2-5.1.1. Ángulo determinado por dos rectas secantes.... - 2-5.1.2. Ángulo determinado por planos secantes.... - 2-5.1.3. Ángulo determinado por una
Más detallesDiseño de experimentos
Diseño de experimentos Quimiometría Por qué diseñar experimentos? Exploración: cuáles factores son importantes para realizar exitosamente un proceso Optimización: cómo mejorar un proceso Ahorro de tiempo:
Más detallesCONTENIDOS MÍNIMOS MATEMÁTICAS 2º Y 4º E.S.O.
CONTENIDOS MÍNIMOS MATEMÁTICAS 2º Y 4º E.S.O. Matemáticas 2º E.S.O. a) Contenidos comunes. Utilizar estrategias y técnicas sencillas en la resolución de problemas. b) Números. Conocer los conceptos de
Más detallesEconometría II. Tema 1: Revisión del Modelo de Regresión Múltiple Ejercicios
Econometría II Tema 1: Revisión del Modelo de Regresión Múltiple Ejercicios 1. Problema En el chero "Produccio.xls" se presenta la información sobre la producción Y, trabajo X 2 y capital X 3 en el sector
Más detallesI.E.S. DE INGENIO Avda. de los Artesanos, INGENIO POC-PC EVALUACIÓN CONTENIDOS MÍNIMOS CURSO CURSO: 1º BACH.
CURSO 2009-2010 CURSO: 1º BACH. CCSS Números reales (Intervalos y entornos, valor absoluto, logaritmo). ÁREA: MATEMATICAS AP. CCSS I Polinomios y fracciones algebraicas (operaciones básicas, divisibilidad,
Más detallesVECTORES : Las Cantidades Vectoriales cantidades escalares
VECTORES En física hay dos tipos de cantidades: Las Cantidades Vectoriales son aquellas que tiene tanto magnitud como dirección y sentido sobre la dirección), mientras que las cantidades escalares son
Más detallesLa línea recta: Serie1
La línea recta: En una línea recta tenemos una relación entre dos variables, la independiente (x) y la dependiente (y). La forma en que se relacionan dependerá de la función que describa dicha relación.
Más detallesIdentificación mediante el método de los mínimos cuadrados
Ingeniería de Control Identificación mediante el método de los mínimos cuadrados Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos relevantes aprendidos previamente:
Más detallesFunciones. Cátedra de Matemática I
Funciones Cátedra de Matemática I 2013 Definición Las funciones representan el principal objeto de análisis en el cálculo, ya que constituyen la clave para describir el mundo real en términos matemáticos
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detallesFunciones de Interpolación para Termómetros Digitales
Funciones de Interpolación para Termómetros Digitales Andy Barrientos A. Laboratorio de Termometría 01. Introducción. La presentación propone considerar funciones interpoladoras del tipo polinomial; así
Más detallesCapítulo 8. Selección de variables Introducción
Capítulo 8 Selección de variables 8.1. Introducción En muchos problemas de regresión es posible considerar un número importante de variables predictoras. Un empresario podría estudiar los factores que
Más detalles1 Control Óptimo. 1.1 Introducción Problema típico de control óptimo
1 Control Óptimo 1.1 Introducción El control óptimo es una rama del control moderno que se relaciona con el diseño de controladores para sistemas dinámicos tal que se minimice una función de medición que
Más detallesCRITERIOS DE EVALUACIÓN DEPARTAMENTO DE MATEMÁTICAS
1º ESO CRITERIOS DE EVALUACIÓN DEPARTAMENTO DE MATEMÁTICAS 1. Utilizar numeros naturales, enteros, fracciones y decimales sencillos, sus operaciones y propiedades, para recoger, transformar e intercambiar
Más detallesCLASES DE ESTADÍSTICA II ESPERANZA ABSOLUTA
1 CLASES DE ESTADÍSTICA II CLASE ) ESPERANZA ABSOLUTA. ESPERANZA CONDICIONAL. ESPERANZA ABSOLUTA El cálculo de valores esperados o esperanzas a nivel de dos variables aleatorias es una generalización matemática
Más detalles- Resolver problemas que involucren probabilidad clásica, unión e intersección de dos eventos
ANGLO AMERICAN INTERNATIONAL SCHOOL ÁREA DE CIENCIAS, MATEMÁTICAS Y SALUD La formulación de un problema, es más importante que su solución Los Refugios del Arrayan 1653. Fonos 23215497-23215480 colegio@angloamerican.cl
Más detallesGRAFICAS LINEALES REGLAS GENERALES PARA LA CONSTRUCCIÓN DE GRÁFICAS
GRAFICAS LINEALES OBJETIVOS 1. Realizar linealización de gráficos por el método de cambios de variables. 2. Obtener experimentalmente la relación matemática, más adecuada, entre dos cantidades o magnitudes
Más detallesEstéreo dinámico. Estéreo dinámico
Estéreo dinámico 1 Vectores locales de desplazamiento Dada una secuencia de imagenes Tomadas a intervalos Movimiento absoluto: movimiento independiente de la cámara Movimiento relativo: movimiento debido
Más detallesCaso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo
Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo Caso Práctico El objetivo de este ejercicio es analizar diferentes tipos de pruebas estadísticas en las
Más detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
Más detallesCONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones
Más detallesIII) INTERPOLACIÓN INTRODUCCIÓN
III) INTERPOLACIÓN INTRODUCCIÓN En numerosos fenómenos de la naturaleza observamos una cierta regularidad en la forma de producirse, esto nos permite sacar conclusiones de la marcha de un fenómeno en situaciones
Más detallesUD 1: NÚMEROS REALES Y COMPLEJOS
UD 1: NÚMEROS REALES Y COMPLEJOS 1. Qué es un número? Para qué sirve? 2. Haz una breve historia de los conjuntos numéricos, por qué surgen cada uno. 3. Cómo clasificarías todos los números que conoces?
Más detallesIN34A - Optimización
IN34A - Optimización Complejidad Leonardo López H. lelopez@ing.uchile.cl Primavera 2008 1 / 33 Contenidos Problemas y Procedimientos de solución Problemas de optimización v/s problemas de decisión Métodos,
Más detallesErrores de especificación
CAPíTULO 5 Errores de especificación Estrictamente hablando, un error de especificación es el incumplimiento de cualquiera de los supuestos básicos del modelo lineal general. En un sentido más laxo, esta
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesIDENTIFICACIÓN DE SISTEMAS MÉTODOS POR SUB-ESPACIOS
IDENTIFICACIÓN DE SISTEMAS MÉTODOS POR SUB-ESPACIOS Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 Introduccion La teoría de sistemas
Más detalles13. Utilizar la fórmula del término general y de la suma de n términos consecutivos
Contenidos mínimos 3º ESO. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Utilizar las reglas de jerarquía de paréntesis y operaciones, para efectuar cálculos con números racionales, expresados en forma
Más detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
Más detallesOPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
Más detalles1. Caso no lineal: ajuste de una función potencial
1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir
Más detallesMinisterio de Educación Pública Dirección de Gestión y Evaluación de la Calidad Departamento de Evaluación Académica y Certificación.
Matemáticas Distribución de ítems para la prueba nacional Modalidad Académica (Diurnos Nocturnos) Convocatorias 016 ESTIMADO DOCENTE: En la modalidad de colegios académico, la Prueba de Bachillerato 016
Más detallesMínimos Cuadrados Generalizados
Mínimos Cuadrados Generalizados Román Salmerón Gómez Los dos últimos temas de la asignatura han estado enfocados en estudiar por separado la relajación de las hipótesis de que las perturbaciones estén
Más detallesCriterios de evaluación Matemáticas I.
Criterios de evaluación Matemáticas I. BLOQUE I. Aritmética y Álgebra. 1. Usar los números reales (racionales e irracionales) para presentar e intercambiar información, así como para resolver problemas
Más detallesTaller de Informática I Dpto. Computación F.C.E. y N. - UBA
Ajuste de Curvas El ajuste de curvas es un proceso mediante el cual, dado un conjunto de N pares de puntos {xi, yi} (siendo x la variable independiente e y la dependiente), se determina una función matemática
Más detalles1º BACHILLERATO HUMANIDADES Y CIENCIAS SOCIALES MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I PENDIENTES
1º BACHILLERATO HUMANIDADES Y CIENCIAS SOCIALES MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I PENDIENTES 1.- INTRODUCCIÓN AL NÚMERO REAL Realización de operaciones con números reales. Ordenación de los
Más detallesMétodos Numéricos Cap 5: Interpolación y Aproximación polinomial
1/12 Aproximación funcional e Interpolación Representación mediante funciones analíticas sencillas de: Información discreta. (Resultante de muestreos). Funciones complicadas. Siendo y k = f(x k ) una cierta
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detallesConjuntos de nivel, diagramas de contorno, gráficas. Funciones vectoriales de una y dos variables.
Empezaremos el curso introduciendo algunos conceptos básicos para el estudio de funciones de varias variables, que son el objetivo de la asignatura: Funciones escalares de dos y tres variables. Conjuntos
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesUNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID. PRUEBAS DE ACCESO A ESTUDIOS UNIVERSITARIOS (LOGSE) MODELO DE EXAMEN (Curso )
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBAS DE ACCESO A ESTUDIOS UNIVERSITARIOS (LOGSE) MODELO DE EXAMEN (Curso 00-003) MATERIA: MATEMÁTICAS II INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES:
Más detallesbloque i ejes aprendizajes esperados sentido numérico y PensaMiento algebraico forma, espacio y Medida Manejo de la información Patrones y ecuaciones
TERCER GRADO bloque i Explica la diferencia entre eventos complementarios, mutuamente excluyentes e independientes. Resolución de problemas que impliquen el uso de ecuaciones cuadráticas sencillas, utilizando
Más detallesCASOS DE LA FUNCIÓN AFÍN
CASOS DE LA FUNCIÓN AFÍN Considera que el precio de un artículo es de Bs 80. Conocido el precio unitario (precio por unidad) es posible calcular fácilmente el precio de varios artículos con solo multiplicar
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesCENTRO UNIVERSITARIO MONTEJO A. C. Temario de Matemáticas 3. Bloque I
Bloque I Explica la diferencia entre eventos complementarios, mutuamente excluyentes e independientes. Resolución de problemas que impliquen el uso de ecuaciones cuadráticas sencillas, utilizando procedimientos
Más detallesAproximación discreta de mínimos cuadrados con lapack
Aproximación discreta de mínimos cuadrados con lapack Pablo Santamaría v0.2 (Julio 2009) 1. Planteo del problema En general, los problemas que aparecen en la ciencia nos enfrentan a la observación de cantidades
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesx^new = x^old + K(b new A new x^old )
El Filtro de Kalman: La idea fundamental del filtro de Kalman es la actualización La llegada de una nueva observación supone un cambio en la mejor estimación mínimo cuatrática del parámetro x Se desea
Más detalles1 Con juntos de Números: Axiomas 1
ÍNDICE 1 Con juntos de Números: Axiomas 1 LOS CONJUNTOS EN EL ALGEBRA. 1-1 Los conjuntos y sus relaciones, 1.1-2 Conjuntos y variables, 6. AXIOMAS DE LOS NUMEROS REALES. 1-3 Orden en el conjunto de los
Más detallesCRITERIOS DE EVALUACIÓN DE 4º ESO- Opción B
CRITERIOS DE EVALUACIÓN DE 4º ESO- Opción B 1. Resolver problemas relacionados con la vida diaria y otras materias del ámbito académico utilizando los distintos tipos de números y operaciones, junto con
Más detalles4º ESO APLICADA ESTÁNDARES DE APRENDIZAJE EVALUABLES CRITERIOS DE EVALUACIÓN Y COMPETENCIAS CLAVE
CONTENIDOS 4º ESO APLICADA CRITERIOS DE EVALUACIÓN Y COMPETENCIAS CLAVE ESTÁNDARES DE APRENDIZAJE EVALUABLES TEMA 1: Números reales Número irracional. Conjunto de números reales. Radicales. Operaciones
Más detallesa 21 x a 22,a 22,b 2,a 21,b 1,a 12
UNA APROXIMACIÓN A LOS SISTEMAS DE ECUACIONES LINEALES CON CALC 1.- INTRODUCCIÓN El objeto del presente documento es ofrecer una aplicación de la hoja de cálculo al aprendizaje y a la comprensión de un
Más detalles