Evaluación de diversos modelos de interpolación espacial para la estimación de la precipitación promedio en la cuenca alta de río Toro.
|
|
- Belén Castillo Vera
- hace 7 años
- Vistas:
Transcripción
1 Evaluacón de dversos modelos de nterpolacón espacal para la estmacón de la precptacón promedo en la cuenca alta de río Toro. Autores Makel Méndez M, Investgador, CIVCO, Insttuto Tecnológco de Costa Rca. Lus-Alexander Calvo-Valverde, Investgador, CIC, Insttuto Tecnológco de Costa Rca, Programa Multdscplnar escence. Resumen Dversos modelos de nterpolacón espacal, tanto determnístcos como geoestadístcos, fueron utlzados en la estmacón de la precptacón promedo dara sobre la cuenca alta del río Toro para el perodo La cuenca en cuestón, con un área de aproxmadamente km2 y una pendente promedo del 23%, está cuberta por una red de observacón de ocho estacones meteorológcas. Los resultados sugeren que de los modelos evaluados, nnguno es notablemente superor al modelo clásco basado en polígonos Thessen (NN), por lo menos no en valdacón cruzada. Lo anteror, probablemente lgado a una red de observacón relatvamente densa. Por otro lado, los modelos geoestadístcos de Krgng Ordnaro (OK) y Krgng Unversal (UK), resultaron altamente costosos en cuanto a recursos computaconales y no fueron capaces de ofrecer mejor desempeño que la mayoría de los modelos determnístcos. Fnalmente se recomenda nclur casos de estudo de mayor área y complejdad con el propósto de abarcar un espectro mayor de las condcones clmátcas partculares del terrtoro costarrcense. Palabras clave Hdrología, Interpolacón, Modelacón, Precptacón, R. 1 Introduccón La correcta estmacón de la precptacón es determnante en el campo de la modelacón hdrológca. Lo anteror, es aún más mportante para modelos hdrológcos basados en estructuras totaltaras o semdstrbudas, donde solo se requere el valor promedo de la precptacón en el ntervalo temporal elegdo (D Pazza et al. 2011). Dado que la precptacón y demás varables meteorológcas son generalmente meddas a través de estacones de observacón puntuales, se hace necesaro el uso de modelos de nterpolacón espacal con el fn de generar superfces contnuas; necesaras para almentar adecuadamente los modelos hdrológcos (Ly et al. 2013). 1.- Jornadas PROHIMET Costa Rca 2015
2 El éxto en el uso de los modelos de nterpolacón espacal dependerá grandemente del tpo de modelo utlzado, la dependenca del modelo en relacón a atrbutos geomorfológcos propos de la geografía (elevacón, pendente, aspecto, etc), la resolucón espacal y temporal elegda, la complejdad y parámetros del modelo, la varabldad temporal de los datos de entrada, la densdad de la red de observacón, los objetvos de la nterpolacón msma y los recursos computaconales requerdos para llevar a cabo tal proceso. En este sentdo, exsten prncpalmente dos grandes grupos de modelos de nterpolacón, los determnístcos (o mecáncos) y los geoestadístcos (Mar & Fares 2011). Los determnístcos, representan el grupo de modelos de nterpolacón tradconalmente más utlzado. Dentro de ellos, destacan: los polígonos de Thessen (como Nearest Neghbor NN en nglés), el Inverso del Peso de la Dstanca (Inverse Dstance Weghtng (IDW) en nglés) y los Métodos de Isoyetas. Por otro lado, los modelos geoestadístcos, se basan en la teoría de la regonalzacón de varables, con lo que es posble ncorporar patrones de correlacón espacal entre las observacones de campo (Goovaerts 1999). Además, tambén es posble ncorporar atrbutos de carácter geomorfológco en el proceso de nterpolacón, prncpalmente elevacón, cobertura, aspecto y pendente. Krgng y sus múltples varacones, son por excelenca los modelos geoestadístcos más utlzados. Exste en la lteratura, mucha dscrepanca entre cuál de estos dos grandes grupos resulta más efcente y confable al momento de generar superfces contnuas (Goovaerts 2000). Consecuentemente, con el propósto de estudar con mayor detalle estos modelos en condcones más locales de la geografía de Costa Rca, se decdó, con el apoyo del Insttuto Costarrcense de Electrcdad (ICE), plantear un caso de estudo con el fn de evaluar dversos modelos de nterpolacón espacal en la estmacón de la precptacón promedo para una cuenca determnada. 2.- Jornadas PROHIMET Costa Rca 2015
3 Para ello, la cuenca selecconada fue la cuenca alta del río Toro. Las razones de tal seleccón, se centran prncpalmente en la dsponbldad de nformacón espacal y temporal de alta resolucón, la extensón de los regstros hstórcos y la densdad de la red de observacón meteorológca. 2 Area de estudo La cuenca alta del río Toro está ubcada en la provnca de Alajuela, Costa Rca y tene un área aproxmada de km 2 (Fgura 1). La condcón de la cuenca es montañosa de alta pendente, con elevacones que varían entre los 2593 y los 1334 msnm y una pendente meda del 23%. Además, su régmen de precptacón promedo supera los 4000 mm/año. El uso del suelo está domnado por bosque (62%) y pastos (35%) con contrbucones bajas de otros usos como urbano y agrícola. Fgura 1. Area de estudo. Cuenca alta del río Toro. Zonas clmátcas defndas por polígonos de Thessen. 3.- Jornadas PROHIMET Costa Rca 2015
4 2.1 Materales y métodos En el análss espacal de la cuenca, se contó con un Modelo de Elevacón Dgtal (DEM por sus sglas en nglés) con resolucón espacal de 100x100m sumnstrado por ICE. Por otro lado, se contó con regstros hstórcos de precptacón dara de 8 estacones meteorológcas que abarcan un perodo de tempo comprenddo entre 1990 y 2010 (Fgura 1). En cuanto a los resultados dervados del proceso de nterpolacón, los productos dervados más mportantes se resumen a seres temporales de precptacón promedo dara sobre la cuenca (mm/d) para un perodo de 20 años. Dchas seres, preparadas en formato ASCII, serán eventualmente utlzadas en modelos hdrológcos selecconados. Igualmente, se analzó el comportamento de la precptacón promedo daro mensual (mm/d/mes), la precptacón promedo mensual (mm/mes) y la precptacón promedo anual (mm/año). En relacón a los recursos de software y automatzacón de los procesos, se utlzó prncpalmente el lenguaje de programacón R ( Las bblotecas de R más relevantes fueron: automap, doparallel, foreach, ggplot2, gstat, maptools, raster, rgeos y sp. Tambén se utlzó el Sstema de Informacón Geográfca ILWIS (ITC 2001) para certas tareas. Es mportante resaltar, que de acuerdo a varos expermentos numércos ncales, se optó por selecconar una resolucón espacal raster de 100x100m en la generacón de todos los productos. Lo anteror, en vsta del alto costo computaconal de trabajar con una resolucón espacal más alta. Tambén debe menconarse que se utlzó la proyeccón cartográfca CRTM05. En cuanto a los recursos de hardware, se utlzó un procesador Intel Core 7-930, 2.80 GHz mult-core con 24 Gb de RAM. Fnalmente, el proceso de evaluacón de los dversos modelos de nterpolacón, se realzó medante valdacón cruzada, en la cual, dos de las ocho estacones fueron excludas del proceso de nterpolacón. Posterormente, las observacones de esas dos estacones, fueron 4.- Jornadas PROHIMET Costa Rca 2015
5 comparadas contra los valores obtendos por los dferentes modelos de nterpolacón. Las funcones objetvo utlzadas fueron: El Error Medo Absoluto (Mean Absolute Error o MAE en nglés): n obs mod P P 1 MAE (ec.1) n El Error Cuadrátco Medo (Root Mean Square Error o (RMSE) en nglés): n 2 obs mod P P 1 RMSE (ec.2) n Donde: representa la resolucón temporal, n es el número total de observacones, P se refere a la precptacón, obs y mod representan los valores observados y modelados respectvamente. 2.2 Modelos de nterpolacón espacal Independentemente del grupo al que pertenezcan, todos los modelos de nterpolacón se basan en la msma ecuacón base de pesos relatvos, a saber: n o λ Z(x ) 1 x Ẑ (ec.3) Donde: Z(Xo) representa el valor estmado en el punto de nterés, Z(X) representa el valor observado en el punto de muestreo, λ es el peso relatvo asgnado al punto de muestreo y η es el número de puntos de muestreo consderados. Los sguentes fueron los modelos de nterpolacón selecconados: Modelos determnístcos: Polígonos de Thessen (o Nearest Neghbor NN en nglés): El modelo del vecno más cercano estma el valor del punto de nterés basado en el valor del punto de muestreo más cercano; medante el trazado de bsectores perpendculares entre los puntos de muestreo, formando así lo que se conoce como un polígono de Thessen. 5.- Jornadas PROHIMET Costa Rca 2015
6 Todos los puntos que se localcen dentro de tal polígono, tomarán el valor de consgna asgnado de acuerdo a la sguente regla de peso: λ 1 f x V 0 otherwse (ec.4) Inverso del Peso de la Dstanca (o Inverse Dstance Weghtng IDW en nglés): En este modelo, se estma el valor del punto de nterés utlzando una combnacón lneal de pesos relatvos, pesados de acuerdo a una funcón nversa de dstanca que toma en consderacón el valor de consgna de los puntos de muestreo. La asuncón detrás de éste supuesto, es que los puntos de muestreo que están más cercanos al punto estmado tenen mayor nfluenca que aquellos que se encuentran más alejados. La expresón de peso dcta lo sguente: λ n p 1/d 1 1/d p (ec.5) Donde: λ es peso relatvo asgnado al punto de muestreo, d representa la dstanca entre el punto de nterés y el punto de muestreo, p es el parámetro de potenca de la funcón y η es el número de puntos de muestreo consderados. En el caso de la cuenca alta del río Toro se consderaron parámetros de potencas desde el 2 hasta el 5. Tendencas de superfce (o Trend Surface TS en nglés): los modelos de tendencas de superfce son esencalmente métodos de regresón lneal (LM) que asumen que los datos son entre sí ndependentes, normalmente dstrbudos y homogéneos en varanza. Bajo estas asuncones, cada valor 6.- Jornadas PROHIMET Costa Rca 2015
7 esperado es calculado medante el ajuste de una funcón polnomal, sobre todos y cada uno de los puntos de muestreo. El ajuste se hace a través de alguna varacón de regresón lneal (LM). El orden de las ecuacones de ajuste puede varar desde orden 1 hasta orden 6. Para la cuenca alta del río Toro se utlzaron las sguentes varantes: Trend Surface de segundo grado (TS): Ẑ Ẑ Ẑ 2 2 x o ex dy cxy bx ay (ec.6) Trend Surface de segundo grado parabólco (TS-para): 2 2 x o ex dy cy bx a (ec.7) Trend Surface de segundo grado lneal (TS-lneal): x o dx y cy bx a (ec.8) Donde: x y y representan la poscón cartesana de las observacones, a,b,c,d, y e representan los coefcentes de regresón respectvos. Modelos Geoestadístcos: Krgng Ordnaro (o Ordnary Krgng OK en nglés): El modelo Krgng asume que exste certo grado de correlacón espacal entre los valores observados de un set de datos espacalmente dstrbudo. Consecuentemente, Krgng asgna los pesos relatvos de la funcón, basado en la teoría de regonalzacón de varables y el análss del modelo de Semvarograma, el cual determnará fnalmente la funcón de nterpolacón. Al asumr un certo grado de correlacón espacal, para que Krgng sea váldo, los puntos de muestreo deben ser densos y dstrbudos en un patrón relatvamente unforme. S por otro lado los puntos de muestreo se localzan de manera aleatora en el espaco, Krgng arrojará estmacones poco confables al no poder con las asuncones orgnales del modelo. Antes de poder utlzar el modelo de Krgng, es necesaro construr un modelo expermental de semvarograma, el cual a su vez 7.- Jornadas PROHIMET Costa Rca 2015
8 será enfrentado a uno de los dversos modelos de semvarogramas determnístcos; lo cual fnalmente determnará la funcón de nterpolacón. La semvaranza expermental de un set de datos observados es defnda como: γˆ (h) n 1 h) (ec.9) 2n 1 2 Z(x ) - Z (x Donde: ŷ(h) representa el peso relatvo del punto de muestreo en relacón al valor de la semvaranza en el punto de nterés, h es la dstanca que separa los puntos de muestreo consderados, Z(x) representa el valor observado en el punto de muestreo y η es el número de puntos de muestreo consderados. Un gráfco de semvaranza contra dstanca es lo que comúnmente se conoce como un Semvarograma Expermental. La Fgura 2 muestra un semvarograma típco en el cual se dstnguen tres parámetros mportantes: el Nugget, el Range y el Sll. El semvarograma expermental, debe ser enfrentado a dversos modelos de semvarogramas determnístcos. Esto permtrá que los valores expermentales de carácter dscreto, se ajusten a una funcón de carácter contnuo. Dentro de los modelos destacan: esférco, exponencal, gaussan, esférco y potencal. Krgng Unversal (o Unversal Krgng UK en nglés): el Krgng Unversal es una extensón del Krgng Ordnaro con la dferenca de que se ncorpora una tendenca de superfce local dentro del domno de la dstanca lmtante (ventana de búsqueda), lo que se supone, fomenta una tendenca superfcal más suave que el Krgng Ordnaro. Igualmente, el ajuste de las tendencas de superfce puede varar desde orden 1 hasta orden Jornadas PROHIMET Costa Rca 2015
9 Fgura 2. Ejemplo del ajuste de un semvarograma expermental contra un modelo teórco. Se dstnguen los parámetros Nugget, Range y Sll. 3 Resultados y análss 3.1 Análss espacal y correlacón Con el propósto de dentfcar cuales de las 8 estacones meteorológcas dsponbles deberían utlzarse en el proceso de valdacón cruzada, se procedó a realzar un análss de correlacón espacal entre todas las estacones nvolucradas. Tal y como se evdenca (Tabla 1), la estacón Bajos del Toro (Fgura 1) presenta buena correlacón con cas todas las estacones, menos con Pcada Palmra (r 2 =0.69) y Alto Palomo (r 2 =0.39), las cuales se ubcan en las partes más altas de la cuenca (1986 y 2072 msnm respectvamente), que al msmo tempo concden con las líneas dvsoras de la cuenca (parteaguas). Dado que solo se cuenta con ocho estacones, se tomó la decsón de utlzar dos estacones para el proceso de valdacón cruzada, una en la parte baja de la cuenca (Bajos 9.- Jornadas PROHIMET Costa Rca 2015
10 del Toro a 1449 msnm, exhbendo mejor correlacón espacal) y una en la parte alta (Pcada Palmra a 2072 msnm, exhbendo menor correlacón espacal). Con efectos úncamente para los modelos geoestadístcos, se analzaron los semvarogramas expermentales-promedo para toda la cuenca; analzados totaltaramente para cada mes del año durante el perodo (Fgura 3). Como logra notarse, tanto los parámetros del Nugget y el Sll, varían consderablemente de mes a mes. Lo anteror, hace suponer que utlzar valores promedo de estos parámetros para cada día de cada mes, de cada año, desde 1990 hasta 2010 es completamente rreal. Coef.corr. r2 Estacón Meteorológca A.Palomo B.Toro P.Palmra Ro Seg. Q.Plas Desague Gorrón A.Río.Seg Tabla 1: Matrz de correlacón (r 2 ) para las estacones meteorológcas utlzadas en la cuenca alta del río Toro. En ese sentdo, se tomó la decsón de automatzar los modelos de Krgng en R, de manera que se selecconara el mejor modelo de semvarograma teórco y consecuentemente el mejor Nugget y el mejor Sll, día a día. El únco parámetro que se fjó fue el Range, ya que muestra una ndependenca cercana a los 8000 metros ndependentemente del mes del año en análss. 3.2 Valdacón cruzada En cuanto a seres temporales daras (mm/d), los resultados muestran tendencas notablemente estables, tanto en MAE como en RMSE para cas todos los modelos de nterpolacón (Fgura 4), excepto para las 10.- Jornadas PROHIMET Costa Rca 2015
11 tendencas de superfce de segundo grado (TS) y las tendencas de superfce de segundo grado parabólco (TS-para). Fgura 3. Semvarograma expermental promedo para la cuenca alta del río Toro analzado totaltaramente para cada mes del año Como se evdenca, para los modelos determnístcos IDW; conforme aumenta el exponente, dsmnuye la desvacón, sendo el IDW5 el que mayormente mnmza las desvacones tanto en MAE como en RMSE. No obstante, todos los IDW se ubcan en un rango de desvacones que va de 3 a 4 mm/d. En ese sentdo, la dferenca no es dramátcamente evdente. Lo msmo aplca para los polígonos de Thessen y la tendenca de superfce de segundo grado lneal (TS-lneal); ambas son smlares y se ubcan entre 4 y 5 mm/d de desvacón. Vsto de esa manera, es váldo decr que de los modelos determnístcos probados, nnguno es notablemente superor a los polígonos de Thessen. La gran excepcón son 11.- Jornadas PROHIMET Costa Rca 2015
12 los modelos TS y TS-para (ecuacones 6 y 7 respectvamente), los cuales presentan desvacones cas un orden de magntud por encma del resto de los modelos. Fgura 4. Desempeño promedo de dversas funcones objetvo en valdacón cruzada. Interpolacón dara. Cuenca Toro Es probable, que ello se deba a la elevacón exponencal de los coefcentes del modelo de regresón, los cuales elevan al cuadrado cualquer dscrepanca que pudera exstr entre los valores observados y los modelados. Evdenca de ello, es que tal efecto no se nota en el modelo TS-lneal, el cual no tene exponentes elevados al cuadrado (ecuacón 8). Lo anteror, lleva a suponer que el uso de los modelos TS y TS-para no es adecuado en condcones de alta pendente, como es el caso de la cuenca alta del río Toro. En cuanto a los modelos geoestadístcos, tanto el Krgng Ordnaro (OK) como el Krgng Unversal (UK) presentan desvacones mayores a los IDW e ncluso a los polígonos de Thessen (NN). En el caso de OK, las desvacones se ubcan entre 4 y 5 mm/d, smlares a NN. Sn embargo, en 12.- Jornadas PROHIMET Costa Rca 2015
13 el caso del UK, donde se ncluyeron atrbutos de elevacón, aspecto y pendente, lejos de dsmnur, las desvacones más ben aumentaron; en un rango de entre 6 y 7 mm/d. S ben es certo, este aumento no es dramátco, sí es claro que el nclur atrbutos espacales, no mejoró la propuesta del OK. Una de las razones por las cuales los modelos geoestadístcos no compten con los determnístcos en el caso específco de esta cuenca, está probablemente lgada al hecho de que la red de observacón es relatvamente densa y que ncluso utlzando polígonos de Thessen (los cuales no requeren de mayor programacón n tempo de procesamento) se obtene un producto de precptacón promedo de caldad comparable. Otra conclusón nteresante, sobre todo con el UK, es que parece haber ndependenca (por lo menos numérca) entre la estmacón de la precptacón promedo, la elevacón, el aspecto y la pendente en la cuenca, de nuevo, probablemente causado por la densa red de observacón. La Fgura 5 muestra una comparacón gráfca de los dversos modelos de nterpolacón espacal de precptacón para la cuenca alta del río Toro, desde 1990 hasta 2010 como promedo daro para el mes de enero. Puede notarse, como conforme aumenta el exponente de los IDW, estos tenden a parecerse cada vez más a los polígonos de Thessen, mentras que los TS y el OK, por su naturaleza, tenden a representar tendencas superfcales más estables. En ese sentdo, tal parece que los modelos determnístcos, apuntan a una ndependenca de los dferentes mcroclmas que ntegran la cuenca alta del río Toro y que aunque exste correlacón espacal, ésta no es determnante. Al analzar la comparacón mostrada por la Fgura 6, donde el producto de nterpolacón de UK para el día 01/01/1991 es en aparenca más representatvo que el propuesto por el OK, se esperaría que en valdacón cruzada, el prmero fuera notablemente mejor que el segundo al ncorporar nformacón espacal de alta resolucón. Sn embargo, tal parece que conforme se adcona nformacón espacal de respaldo, 13.- Jornadas PROHIMET Costa Rca 2015
14 aumentan gualmente las fuentes de ncertdumbre que se ntroducen al modelo. Lo anteror, concuerda con lo que varos autores llaman el fenómeno de equfnaldad, donde el aumento dmensonal del espaco paramétrco hace práctcamente mposble encontrar un únco set óptmo de parámetros (Efstratads & Koutsoyanns 2010, Beven & Bnley 1992). En este sentdo, es muchas veces deseable, procurar un estructura parsmónca, donde la menor cantdad de parámetros posble, descrben adecuadamente el fenómeno estudado (Nash & Sutclffe 1970) Jornadas PROHIMET Costa Rca 2015
15 Fgura 5. Comparacón gráfca de los dversos modelos de nterpolacón espacal de precptacón para la cuenca alta del río Toro. Promedo daro del mes de enero. Perodo de Otro aspecto mportante a notar, es que tanto el MAE como el RMSE ofrecen valores de desvacones smlares entre sí y que en esenca, ambas funcones objetvo se desempeñan de forma comparable. Fnalmente, debe tomarse en cuenta el costo computaconal de los dversos modelos de nterpolacón. Como se menconó anterormente, un procesador Intel Core 7-930, 2.80 GHz mult-core con 24 Gb de RAM fue utlzado para ejecutar todos los procesos. Fgura 6. Comparacón gráfca de los modelos OK y UK para el día 01/01/1991 en la cuenca alta del río Toro. En este sentdo, para el perodo temporal contemplado, (7307 días), el hardware descrto tomó alrededor de 9 horas para completar smultáneamente todos los modelos determnístcos contemplados, ncluyendo el NN. Por otro lado, tanto el OK como el UK, tomaron cerca de 36 horas para completarse cada uno. Es prevsble que s la resolucón temporal de los datos aumentara (por ejemplo de daro a sub-daro) el costo 15.- Jornadas PROHIMET Costa Rca 2015
16 computaconal de ejecutar modelos geoestadístcos sería muy elevado, sn que se tenga garantía de una notable mejora en el desempeño global de estos últmos. 4 Conclusones y recomendacones 4.1 Conclusones Las conclusones de aplcar dversos modelos de nterpolacón espacal de precptacón para la estmacón de la precptacón promedo sobre la cuenca alta del río Toro, pueden resumrse de la sguente forma: De todos los modelos evaluados, nnguno es notablemente mejor que el modelo de los polígonos Thessen (NN), por lo menos no en valdacón cruzada. Lo anteror, probablemente lgado a una red de nstrumentacón y observacón lo sufcentemente densa. Los modelos de nterpolacón de tendencas de superfce, TS2 y TS2-para exhben desvacones mucho mayores al resto de los modelos; por lo que su uso en cuencas de geomorfología compleja como es el caso de la cuenca alta de ría Toro, no se recomendan. Los modelos geoestadístcos OK y UK no resultan compettvos n en desempeño n en costo computaconal en comparacón a los modelos geoestadístcos el modelo de los polígonos Thessen (NN). De hecho, el modelo UK, lejos de mejorar el OK lo únco que logra es aumentar las fuentes de ncertdumbre al nclur atrbutos geoespacales y por ende, aumenta el espaco paramétrco. En general, entre más parsmóncos es el modelo, mejores resultados en cuanto a desempeño y costo computaconal tende a exhbr. Estas conclusones son úncamente váldas para la cuenca estudada y no deberías generalzarse a nnguna otra cuenca Jornadas PROHIMET Costa Rca 2015
17 4.2 Recomendacones A contnuacón, se menconan las recomendacones más pertnentes que se dervan de la realzacón del presenta trabajo: Analzar la sensbldad de la resolucón espacal mínma utlzada en la defncón del tamaño de celda del proceso de nterpolacón. Lo anteror, dado que un tamaño de celda superor o nferor al utlzado (100 x 100 m) podrían tener consecuencas sgnfcatvas sobre la valdacón cruzada y sobre el costo computaconal. Utlzar datos sub-daros. Dado que hasta el momento solo se han utlzados datos daros, es mperatvo evaluar el desempeño de tales modelos con datos sub-daros (horaros) donde los fenómenos extremos como tormentas podrían presentar dferencas sgnfcatvas en comparacón a los datos daros acumulados. Utlzar las dversas seres temporales de precptacón promedo dervadas en formato ASCII para evaluar su comportamento en dversos modelos hdrológcos. La valdacón cruzada, no es el únco método de evaluacón de los modelos de nterpolacón. La utlzacón de los productos dervados de la nterpolacón, pueden ser utlzados para cuantfcar la respuesta de modelos hdrológcos conceptuales (por ejemplo SWAT, HBV o Sacramento) y evaluar su mpacto sobre el desempeño global de tales modelos hdrológcos. Consderar casos de estudo de mayor área y complejdad. S ben es certo, las conclusones antes dscutdas solo son váldas para la cuenca alta del río Toro, es necesaro nclur cuencas de mayor tamaño y complejdad geomorfológca. Lo anteror, con el propósto de abarcar un espectro mayor de las condcones clmátcas partculares del terrtoro costarrcense. 5 Referencas D Pazza A, Lo Cont F, Noto LV, Vola F, La Logga G. (2011) Comparatve analyss of dfferent technques for spatal nterpolaton of ranfall data to 17.- Jornadas PROHIMET Costa Rca 2015
18 create a serally complete monthly tme seres of precptaton for Scly, Italy. Int J Appl Earth Obs Geonf. 13: Efstratads A, Koutsoyanns D (2010) One decade of mult-objectve calbraton approaches n hydrologcal modellng: a revew. Hydrol Sc J 55: Goovaerts P (1999) Usng elevaton to ad the geostatstcal mappng of ranfall erosvty. Catena 34(3-4): Goovaerts P (2000) Geostatstcal approaches for ncorporatng elevaton nto the spatal nterpolaton of ranfall. J Hydrol 228(1-2):, ITC (2001) ILWIS 30 Academc User s Gude. Internatonal Insttute for Aerospace Survey and Earth Scences (ITC), Enschede, The Netherlands. Ly S, Charles C, Degre A (2013) Dfferent methods for spatal nterpolaton of ranfall data for operatonal hydrology and hydrologcal modelng at watershed scale. A revew. Botechnol. Agron. Soc. Envron 17(2): Mar A, Fares A (2011) Comparson of Ranfall Interpolaton Methods n a Mountanous Regon of a Tropcal Island. J Hydrol Eng 16(4): Nash JE, Sutclffe JE (1970) Rver flow forecastng through conceptual models Part I A dscusson of prncples. J Hydrol 10: Agradecmentos Los nvestgadores desean expresar su agradecmento al Area de Hdrología, Estudos Báscos de Ingenería del Insttuto Costarrcense de Electrcdad (ICE); por su colaboracón en el desarrollo del presente proyecto. Así msmo, se agradece a la Vcerrectoría de Investgacón del 18.- Jornadas PROHIMET Costa Rca 2015
19 Insttuto Tecnológco de Costa Rca por su constante apoyo materal y logístco Jornadas PROHIMET Costa Rca 2015
Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesHistogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.
ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detalles12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández
MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesEXPERIMENTACIÓN COMERCIAL(I)
EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado
Más detallesVariable aleatoria: definiciones básicas
Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado
Más detallesComparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó
Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor
Más detallesFUNDAMENTOS QUIMICOS DE LA INGENIERIA
FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE
Más detallesPROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA
Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL
Más detallesEstimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores
Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesAnais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE
Aplcacón de una metodología a partr del Modelo de Elevacón Dgtal ASTER para la estmacón de volúmenes de agua asocados a nundacones en la regón de Paraná, Entre Ríos, Argentna Díaz, Gonzalo 1 2 ; Doyle,
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesProcedimiento de Calibración. Metrología PROCEDIMIENTO DI-010 PARA LA CALIBRACIÓN DE COMPARADORES MECÁNICOS
Procedmento de Calbracón Metrología PROCEDIMIENTO DI-00 PARA LA CALIBRACIÓN DE COMPARADORES MECÁNICOS La presente edcón de este procedmento se emte exclusvamente en formato dgtal y puede descargarse gratutamente
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesEconomía de la Empresa: Financiación
Economía de la Empresa: Fnancacón Francsco Pérez Hernández Departamento de Fnancacón e Investgacón de la Unversdad Autónoma de Madrd Objetvo del curso: Dentro del contexto de Economía de la Empresa, se
Más detallesCorrelación y regresión lineal simple
. Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan
Más detallesVisión moderna del modelo de transporte clásico
Vsón moderna del modelo de transporte clásco Zonfcacón y Red Estratégca Datos del Año Base Datos de Planfcacón Para el Año de Dseño Base de Datos año base futuro Generacón de Vajes Demanda Dstrbucón y
Más detallesLa adopción y uso de las TICs en las Microempresas Chilenas
Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas
Más detallesMÉTODOS PARA PROBAR NUMEROS
Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular
Más detallesSmoothed Particle Hydrodynamics Animación Avanzada
Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla
Más detallesSimulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.
Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón
Más detallesCAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.
Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo
Más detallesDepartamento Administrativo Nacional de Estadística
Departamento Admnstratvo Naconal de Estadístca Dreccón de Censos Demografía METODOLOGIA ESTIMACIONES Y PROYECCIONES DE POBLACIÓN, POR ÁREA, SEXO Y EDAD PARA LOS DOMINIOS DE LA GRAN ENCUESTA INTEGRADA DE
Más detallesCifrado de imágenes usando autómatas celulares con memoria
Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano
Más detallesCAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS
CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detallesTema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis
Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ
Más detallesPROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)
ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesOSCILACIONES 1.- INTRODUCCIÓN
OSCILACIONES 1.- INTRODUCCIÓN Una parte relevante de la asgnatura trata del estudo de las perturbacones, entenddas como varacones de alguna magntud mportante de un sstema respecto de su valor de equlbro.
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009
UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd
Más detallesOrganización y resumen de datos cuantitativos
Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS
Más detallesXII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.
Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas
Más detallesMETODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS
SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento
Más detallesTema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma
Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................
Más detallesTEMA 10: ESTADÍSTICA
TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES
Más detallesCAPÍTULO 18 Interpolación
CAPÍTULO 8 Interpolacón Con frecuenca se encontrará con que tene que estmar valores ntermedos entre datos defndos por puntos. El método más común que se usa para este propósto es la nterpolacón polnomal.
Más detallesEstimación del consumo diario de gas a partir de lecturas periódicas de medidores
Nota técnca Estmacón del consumo daro de gas a partr de lecturas peródcas de meddores Por Salvador Gl, Gerenca de Dstrbucón del Enargas, A. azzn, Gas Natural Ban y R. Preto, Gerenca de Dstrbucón del Enargas
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detalles2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo
Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso
Más detallesIncertidumbre de la Medición: Teoría y Práctica
CAPACIDAD, GESTION Y MEJORA Incertdumbre de la Medcón: Teoría y Práctca (1 ra Edcón) Autores: Sfredo J. Sáez Ruz Lus Font Avla Maracay - Estado Aragua - Febrero 001 Copyrght 001 L&S CONSULTORES C.A. Calle
Más detallesANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA.
ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA. SEGUNDA PARTE. (TRABAJO PRESENTADO EN EL CONGRESO DE LA SOCIEDAD ARGENTINA DE ESTADISTICA)
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detallesAplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa
Aplcacón de la termodnámca a las reaccones químcas Andrés Cedllo Departamento de Químca Unversdad Autónoma Metropoltana-Iztapalapa Introduccón Las leyes de la termodnámca, así como todas las ecuacones
Más detallesDe factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado
Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de
Más detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detallesINVIRTIENDO EN PUBLICIDAD: ESTRATEGIAS DE LAS EMPRESAS DEL SECTOR COMERCIAL ECUATORIANO
ESCUELA SUPERIOR POLITECNICA DEL LITORAL INSTITUTO DE CIENCIAS HUMANISTICAS Y ECONOMICAS INVIRTIENDO EN PUBLICIDAD: ESTRATEGIAS DE LAS EMPRESAS DEL SECTOR COMERCIAL ECUATORIANO Resumen: Las decsones de
Más detallesTERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
Más detallesGlosario básico. de términos estadísticos
Glosaro básco de térmnos estadístcos Lma, mayo de 2006 CREDITOS Dreccón y Supervsón Lupe Berrocal de Montestruque Drectora Técnca del Centro de Investgacón y Desarrollo Responsable del documento Hermna
Más detallesTÉCNICAS AUXILIARES DE LABORATORIO
TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar
Más detallesDiseño y Análisis de Experimentos en el SPSS 1
Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se
Más detallesMaestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto
Maestría en Economía Facultad de Cencas Económcas Unversdad Naconal de La Plata TESIS DE MAESTRIA ALUMNO Laura Carella TITULO Educacón unverstara: medcón del rendmento académco a través de fronteras de
Más detallesMateriales Industriales, Ingeniería Técnica Industrial Mecánica Profesor: Dr. María Jesús Ariza, Departamento de Física Aplicada, CITE II-A, 2.
Materales Industrales, Ingenería Técnca Industral Mecánca Profesor: Dr. María Jesús Arza, Departamento de Físca Aplcada, CITE II-A,. Teoría de meddas. Meddas magntudes: La teoría de meddas Las varables
Más detallesAnálisis de error y tratamiento de datos obtenidos en el laboratorio
Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesGuía de Electrodinámica
INSTITITO NACIONAL Dpto. de Físca 4 plan electvo Marcel López U. 05 Guía de Electrodnámca Objetvo: - econocer la fuerza eléctrca, campo eléctrco y potencal eléctrco generado por cargas puntuales. - Calculan
Más detallesEL AMPLIFICADOR OPERACIONAL.
Tema 6. El mplfcador peraconal. Tema 6 EL MPLIFICD PECINL.. Introduccón... Símbolos y termnales del amplfcador operaconal... El amplfcador operaconal como amplfcador de tensón..3. Conceptos báscos de realmentacón..4.
Más detallesUNIDAD DE PLANEACIÓN MINERO ENERGÉTICA
UNIDAD DE PLANEACIÓN MINERO ENERGÉTICA FORMULACIÓN DE UN PROGRAMA BÁSICO DE NORMALIZACIÓN PARA APLICACIONES DE ENERGÍAS ALTERNATIVAS Y DIFUSIÓN Documento ANC-0603-10-01 ANTEPROYECTO DE NORMA AEROGENERADORES
Más detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detallesCAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales
CAPÍTULO 3 METODOLOGÍA En el sguente capítulo se presenta al nco, defncones de algunos conceptos actuarales que se utlzan para la elaboracón de las bases técncas del Producto de Salud al gual que la metodología
Más detallesAPENDICE A. El Robot autónomo móvil RAM-1.
Planfcacón de Trayectoras para Robots Móvles APENDICE A. El Robot autónomo móvl RAM-1. A.1. Introduccón. El robot autónomo móvl RAM-1 fue dseñado y desarrollado en el Departamento de Ingenería de Sstemas
Más detallesSubmicrométricas Ópticas
Estmacón n de la Dstrbucón n de Tamaños de Partículas Submcrométrcas de Látex L por Técncas T Óptcas Lus M. Guglotta, Georgna S. Stegmayer, Jorge R. Vega Santa Fe (ARGENTINA) Septembre de 007 Unversdad
Más detallesANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:
Geografía y Sstemas de Informacón Geográfca (GEOSIG). Revsta dgtal del Grupo de Estudos sobre Geografía y Análss Espacal con Sstemas de Informacón Geográfca (GESIG). Programa de Estudos Geográfcos (PROEG).
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesProyecto CONICYT/BID 51/94. Desarrollo de metodologías orientadas al control de calidad e imputación de datos faltantes en parámetros meteorológicos
Proyecto CONICYT/BID 51/94 Desarrollo de metodologías orentadas al control de caldad e mputacón de datos faltantes en parámetros meteorológcos Informe fnal Julo 1999 INDICE 1 - RESUMEN...1 1.2- RESUMEN
Más detallesT. 9 El modelo de regresión lineal
1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón
Más detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesUNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE. Dpto. de Métodos Cuantitativos e Informáticos. Universidad Politécnica de Cartagena.
UNA FORMA GRÁFICA DE ENSEÑANZA: APLICACIÓN AL DUOPOLIO DE COURNOT. Autores: García Córdoba, José Antono; josea.garca@upct.es Ruz Marín, Manuel; manuel.ruz@upct.es Sánchez García, Juan Francsco; jf.sanchez@upct.es
Más detallesScientia Et Technica ISSN: 0122-1701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia
Scenta Et Technca ISSN: 0122-1701 scenta@utp.edu.co Unversdad Tecnológca de Perera Colomba OSPINA GUTIÉRREZ, LUZ MARÍA; ZAPATA RAMÍREZ, GEISON ALEXIS; RODAS RENDON, PAULA ANDREA PRUEBA DE NO LINEALIDAD
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17
Procesamento Dgtal de mágenes Pablo Roncaglolo B. Nº 7 Orden de las clases... CAPTURA, DGTALZACON Y ADQUSCON DE MAGENES TRATAMENTO ESPACAL DE MAGENES TRATAMENTO EN FRECUENCA DE MAGENES RESTAURACON DE MAGENES
Más detallesAdemás podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:
MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante
Más detallesFacultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística
Facultad de Ingenería Dvsón de Cencas Báscas Coordnacón de Cencas Aplcadas Departamento de Probabldad y Estadístca Probabldad y Estadístca Prmer Eamen Fnal Tpo A Semestre: 00- Duracón máma:. h. Consderar
Más detallesMECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño 2014. Omar De la Peña-Seaman. Instituto de Física (IFUAP)
MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Prmer Semestre - Otoño 2014 Omar De la Peña-Seaman Insttuto de Físca (IFUAP) Benemérta Unversdad Autónoma de Puebla (BUAP) 1 / Omar De la Peña-Seaman
Más detallesPRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno
Más detallesOferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA
Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w
Más detallesEstimación de la Demanda: Pronósticos
UNIVERSIDAD SIMON BOLIVAR Estmacón de la Demanda: Pronóstcos PS-4161 Gestón de la Produccón I 1 Bblografía Recomendada Título: Dreccón de la Produccón: Decsones Estratégcas. Capítulo 4: Prevsón Autores:
Más detallesCapítulo 12 CONTRASTES NO PARAMÉTRICOS
Capítulo 1 CONTRASTES NO PARAMÉTRICOS 1.1 Introduccón 1. Contrastes de ajuste a una dstrbucón teórca 1..1 Contrastes basados en la dstrbucón de frecuencas muestral 1..1.1 El contraste ch-cuadrado, χ. 1..1.
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesTEMA 6 AMPLIFICADORES OPERACIONALES
Tema 6 Amplfcadores peraconales ev 4 TEMA 6 AMPLIFICADES PEACINALES Profesores: Germán llalba Madrd Mguel A. Zamora Izquerdo Tema 6 Amplfcadores peraconales ev 4 CNTENID Introduccón El amplfcador dferencal
Más detallesMATERIAL Y MÉTODOS. Se utilizó el listado de códigos que Caminal estableció para España, a los cuales se
MATERIAL Y MÉTODOS Fuentes de nformacón Los datos de hosptalzacón se obtenen del Conjunto Mínmo de Datos de Egresos Hosptalaros del Seguro Públco de Salud Costarrcense (SPSC) y las proyeccones de poblacón
Más detallesCréditos Y Sistemas de Amortización: Diferencias, Similitudes e Implicancias
Crédtos Y Sstemas de Amortzacón: Dferencas, Smltudes e Implcancas Introduccón Cuando los ngresos de un agente económco superan su gasto de consumo, surge el concepto de ahorro, esto es, la parte del ngreso
Más detalles8 MECANICA Y FLUIDOS: Calorimetría
8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS
Más detallesMedidas de Tendencia Central y de Variabilidad
Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.
Más detallesRegresión lineal en química analítica
Regresón lneal en uímca analítca Alejandro C. Olver Departamento de Químca Analítca, Facultad de Cencas Bouímcas y Farmacéutcas, Unversdad Naconal de Rosaro, Supacha 5, Rosaro (S00LRK), Argentna. E-mal:
Más detalles