Cálculo de horarios en empresas de transporte público basados en la carga de pasajeros

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Cálculo de horarios en empresas de transporte público basados en la carga de pasajeros"

Transcripción

1 VIII Congreso de Ingenería de Organzacón Leganés, 9 y 10 de septembre de 2004 Cálculo de horaros en empresas de transporte públco basados en la carga de pasaeros Jesús Racero Moreno, Marcos Calle Suárez, Gabrel Vlla Caro, Rcardo Galán de Vega Departamento de Organzacón, Unversdad de Sevlla, España rm@es.us.es, mcs@es.us.es, gvc@es.us.es, rgalan@es.us.es Resumen El proceso de planfcacón de servcos y de personal en una empresa de transporte públco ncluye desde el dseño de las líneas de transporte hasta la asgnacón de los conductores a los servcos. Este proceso es extremadamente compleo y tene que ser tratado de forma modular. En este trabao nos centramos en el modulo que calcula de forma efcente las frecuencas de paso de vehículos (ntervalos) y obtene la tabla de horaros de las líneas. La efcenca se mde: (1) mantenendo una caldad de servco adecuada; y (2) mnmzando el número de vehículos necesaros. Para ello, se plantea una metodología de cálculo de los horaros de los vehículos para cada línea de transporte en base a datos de demanda agrupados por franas horaras y a datos de la red dseñada prevamente. A partr de dchos datos y de los obetvos planteados (caldad de servco a mínmo coste), se proponen varos métodos de cálculo de las frecuencas de paso de vehículos y como consecuenca el cálculo de horaros y vehículos necesaros en cada frana horara para cada línea. El número total de vehículos se compara con la flota exstente y s se supera, entonces se plantea un proceso teratvo para la reduccón de vehículos en las líneas menos crítcas. Se ha aplcado este trabao a 11 líneas de la empresa de transporte públco urbano de Sevlla y los resultados se han valdado con los que se aplcan en la realdad. Palabras clave: Transporte públco, horaros, frecuenca de paso 1. Introduccón Es ben conocdo que la utlzacón efectva de los recursos exstentes es un mportante hto en cualquer sstema de transporte. El proceso de planfcacón del transporte públco ncluye cuatro etapas báscas que deben ser realzadas de forma secuencal [Ceder y Wlson (1986)]: - Dseño y optmzacón de rutas. - Determnacón de frecuencas y horaros - Asgnacón de la flota de autobuses a líneas - Asgnacón de conductores a líneas Las dos prmeras etapas son generalmente especfcadas y exgdas a las empresas concesonaras por las entdades reguladoras, es decr, el estado o el goberno muncpal. Las dos últmas etapas son generalmente eecutadas por los operadores de los servcos, las empresas de transporte. 163

2 La optmzacón de un sstema de transporte públco urbano plantea obetvos del tpo: maxmzar la caldad del servco (mnmzar tempos de vae y espera), maxmzar el benefco de las empresas concesonaras. La solucón global al problema depende de la solucón de cada una de las etapas del proceso; es razonable pensar que las solucones factbles de las tres últmas etapas del proceso están condconadas por las solucones obtendas en las dos prmeras. Los problemas de asgnacón de la flota y conductores han sdo amplamente estudados con resultados publcados en el segundo y tercer WorkShop nternaconal sobre planfcacón y programacón de flotas y conductores a sstemas de transporte. Sn embargo, los dos componentes ncales en el proceso de planfcacón, dseño de rutas y determnacón de frecuencas y horaros no han recbdo mucha atencón merecendo una especal consderacón. El problema del dseño y optmzacón de rutas y frecuencas es un problema NP-duro presentando las sguentes dfcultades [Baa y Mahmassan (1991)]: 1. Formulacón del problema: en defnr las varables de decsón (en partcular la eleccón de línea por parte del que vaa) y la funcón obetvo. 2. No lnealdad y no convexdad del problema. 3. Naturaleza combnatora del problema, con varables enteras y bnaras. 4. Múltples obetvos: exste un trade-off prncpalmente entre los obetvos de los usuaros (pasaeros) del sstema, y los operadores (empresas de transporte), lo que hace que pueda no exstr únca solucón óptma, sno varas solucones no domnadas. Una solucón es no domnada cuando no exste otra solucón que meore la funcón en algún obetvo sn empeorar el resto. 5. Dsposcón espacal de las rutas: formalzacón de una buena dsposcón de ellas. El presente trabao se concentra en la segunda etapa, aunque en muchos casos ha sdo estudada conuntamente con la prmera, y su obetvo consste en establecer procedmentos para un efcente sstema de obtencón de frecuencas y horaros. 2. Determnacón de las frecuencas El cálculo de las frecuencas de paso de vehículos (ntervalos) se ha de realzar de forma que se alcance un equlbro entre las necesdades demandadas por los pasaeros y las ofertas de vaes que realce la empresa de transporte. La efcenca en el cálculo de las frecuencas se traduce en dos aspectos: (1) mantener una caldad de servco adecuada, y (2) mnmzar el número de vehículos necesaros. Para ello, se van a plantear una metodología de cálculo de las frecuencas de paso de los vehículos para cada línea de transporte en base a datos agrupados por franas horaras (=1,...q) basada en la propuesta por [Ceder (1984)]. Los datos de partda necesaros para determnar las frecuencas serán de tres tpos: - Datos topológcos: cada línea de transporte queda dentfcada por un conunto de paradas ( S), sendo conocdas las dstancas entre la parada y la +1 (l ); la longtud de la línea (L) concde con la suma de las dstancas. 164

3 - Datos de demanda: la carga o demanda de pasaeros en cada parada para cada frana horara (P ). La obtencón de este tpo de nformacón puede ser automátca, a partr del sstema de ayuda a la explotacón (SAE) y del regstro de pasaeros para cada vehículo, o ben se realza un conteo en las paradas de las líneas con máxma carga. Se dferencan dos tpos de métodos de cálculo de las frecuencas en funcón de los conteos que se realcen: (1) s se estudan las cargas en su conunto a lo largo del día (rde check), o (2) s se estudan las cargas para cada parada en cada frana horara (pont check). - Datos de caldad de servco: que se desea ofrecer en cada línea y para cada frana horara; se mde medante el factor de ocupacón deseado de los vehículos (γ ), es decr, del porcentae de la capacdad del vehículo que se desea. Este valor unto con la capacdad del vehículo (C) nos mde la ocupacón deseada (d =C γ ) en pasaeros por vehículo. Normalmente se consdera como ocupacón deseada el número de asentos del vehículo y como capacdad del vehículo los asentos y el espaco de pasaeros en pé. A partr de los datos anterores y de los obetvos planteados (caldad de servco a mínmo coste), se proponen cuatros métodos de cálculo de las frecuencas de paso de vehículos en cada frana horara (F ). Método 1 Las frecuencas de paso deben satsfacer la demanda de la parada de máxma carga dara; es un método del tpo pont check. P (1) m F : = 1,2,... q d = (1) sendo m la parada de máxma carga a lo largo del día, es decr, Q m S q = max Q : Q = P (2) = 1 Método 2 Las frecuencas de paso deben satsfacer la demanda de las paradas de máxma carga en cada frana horara; es un método del tpo pont check. F ( 2) P = : = 1,2,... q ; P = max S d P (3) Método 3 Basado en la curva de carga dara por longtud recorrda en cada frana horara; es un método del tpo rde check. 165

4 A P (3) F max, : 1,2,... q = d L C = (4) sendo A el área encerrada bao la curva de carga * longtud de línea, es decr, Método 4 S A = P l y L = l (5) S Basado en la curva de carga dara por longtud recorrda en cada frana horara, pero lmtando el porcentae de la línea recorrda con una carga superor a la deseada; es un método del tpo rde check. F s. a I ( 4) l A = max, d L β L P C : = 1,2,... q : = 1,2,... q (6) sendo I el conunto de paradas con una carga que supera la ocupacón deseada, es decr, P I = : > d ; β [ 0, 1] (7) F β representa la porcón de la longtud de la línea donde se permte un exceso de carga. S β vale 0, entonces este método tende a las frecuencas del método 2, y s vale 1, entonces tende a las frecuencas del método 3. A partr de las frecuencas generadas en cada frana horara (F ) y de la duracón de la frana horara (H ), se obtenen los ntervalos de tempo entre vehículos (T ): H T : = 1,2,... q F = (8) En cualquer caso, los ntervalos (T ) nunca deben ser superores a un valor que se fa por el usuaro y que ndca el ntervalo máxmo permtdo (TMax ), que se corresponde con un mínmo número de vehículos en esa frana horara. El método 2 sempre ofrece los mínmos ntervalos de tempo pues tene que cubrr la demanda de los puntos de máxma carga. Experencas computaconales ndcan que el método 3 ofrece los máxmos ntervalos de tempo frente a los otros métodos. 166

5 Los métodos 1 y 2 (pont check) se usarán s el perfl de la curva de carga es plano, mentras que los métodos 3 y 4 (rde check) se usarán en los otros casos. Para medr el perfl de la curva de carga se utlza la densdad (ρ), medda como: A ρ = : = 1,2,... q 0 ρ 1 (9) P L de forma que s ρ tende a 1 el perfl es plano, y s tende a cero la carga es varable entre las paradas de la línea. En experencas realzadas, se recomendan los métodos 3 y 4 cuando ρ sea nferor a 0.5 y los métodos 1 y 2 cuando ρ sea superor a Determnacón de horaros Uno de los obetvos de la planfcacón de vehículos consste en el cálculo del menor número de vehículos necesaros para satsfacer la demanda de pasaeros. Para ello, el analsta debe examnar varas tablas de horaros posbles durante el proceso de planfcacón para selecconar el más adecuado. Se plantean dos métodos basados en [Ceder (1986)]. Para la construccón de la tabla de horaros de cada línea a partr de las frecuencas o ntervalos obtendos en la fase anteror, se puede redondear la frecuenca F al entero mayor y calcular así los ntervalos T como ya se comentó en la fase anteror. Esto ocasona ntervalos menores y por tanto mayor número de vehículos de los necesaros. Se aconsea pues no redondear las frecuencas y úncamente redondear los ntervalos de tempos al entero más próxmo, realzando las saldas en los nstantes marcados por dchos ntervalos en cada frana horara y en las transcones de dchas franas se realza un reparto proporconal (Método A). A veces se utlzan saldas de vehículos austadas a nstantes de relo concretos, es decr, para cada hora se pueden realzar saldas en los mnutos 0, 6, 7.5, 10, 12, 15, 20, 30, 40 o 45. Cada ntervalo calculado en la fase anteror T se austa al valor más cercano por debao de los anterores (Método B). Con este método se obtenen mayor número de saldas que con el método anteror pero el usuaro memorza más fáclmente la oferta horara. Entre las dstntas tablas de horaros generadas, el analsta debe selecconar aquellas en base al número de vehículos necesaros para cada línea. Se va a consderar para dcho cálculo que cada línea trabaa de forma ndependente. Para realzar la asgnacón de vehículos, es necesaro conocer el tempo medo de recorrdo de la línea (T) ncluyendo las paradas. El cálculo del número mínmo de vehículos necesaros, se obtene como el mayor número de saldas que se realzan en cualquer ntervalo de tempo T. Es decr, dado los nstantes de salda de vehículos de la tabla horara calculada antes (t 1, t 2,..., t n ), el número mínmo de vehículos N mn sería: N mn = max N (10) k = 1,..., n k Sendo N k el número de saldas programadas entre la salda del vehículo k (t k ) y la llegada del vehículo en t k +T. Es decr, la últma salda t u antes de la llegada del vehículo k, cumplría las sguentes 3 condcones: 167

6 ( ) t t ( ) t t + T y ( ) t > t T (11) > + u k u k u +1 k Se pueden obtener por tanto los vehículos necesaros en cada nstante de tempo, cuáles serían necesaros ncorporar y cuáles acabarían su servco. Este sería el punto de partda de la sguente fase (la determnacón de los servcos necesaros para cubrr la oferta horara calculada) que no es obeto de este artículo. 4. Aplcacón práctca Se va a lustrar la aplcacón de estos procedmentos a las líneas de autobuses de la empresa TUSSAM de Sevlla que tenen su termnal en la Plaza Nueva. Los datos que se dsponen para el año 2000 son los sguentes: - Evolucón horara del número de vaeros daros de cada línea (PT ) - Número de vaeros daros que suben en cada parada de cada línea (PT ) - Dstancas entre paradas de cada línea - Capacdades de los autobuses: número máxmo y asentos Para valdar los resultados, tambén se conoce la frecuenca de paso y el número de vehículos que se aplca en hora punta para cada línea. El prmer paso que se ha realzado es la preparacón de los datos dsponbles para poder aplcar los métodos estudados (Tabla 1). Como los datos son por horas, se va a utlzar dcho dato como frana horara. El dato de demanda necesaro para aplcar los métodos es por parada y frana horara (P ), con lo cual hay que dstrbur los datos de demanda dsponbles en cada hora (PT ) para cada parada en funcón de los datos de demanda en dchas paradas (PT ). Tabla 1. Datos de demanda (P) en línea UP

7 Se aplcan los métodos estudados a las 11 líneas para el cálculo de las frecuencas en cada frana horara (F ). De ahí se obtenen drectamente los ntervalos de tempos entre saldas (T ), consderando que en nngún caso debe superar el máxmo defndo por la empresa. Se ha establecdo un ntervalo máxmo (T max ) de 30 mnutos, una ocupacón deseada (d ) de 25 pasaeros y un porcentae de exceso de carga (β ) de 0.3 (Tabla 2). Tabla 2. Frecuencas (F) obtendas para línea 41 MET A partr de los datos de la demanda, se calcula las densdades de las curvas de demanda para cada frana horara (ρ ) (Tabla 3). Se observan que los valores son próxmos a 0.18, es decr, exsten paradas con una mayor carga de pasaeros que otras a lo largo de cada línea y por tanto, parece lógco aplcar los métodos 3 o 4 a todas las líneas en estudo. Tabla 3. Densdades medas (ρ ) en todas las líneas LÍNEA DENS. MEDIA Para el cálculo de la tabla de horaros se han planteado dos métodos: (A) basado en los ntervalos obtendos, y (B) basado en ntervalos horaros (Tabla 4). Se aplcan ambos métodos a los resultados obtendos por el método 3 del cálculo de frecuencas. Tabla 4. Tabla de horaros de la línea 41 Método 3-A Método 3-B 6:00 10:59 15:41 20:20 6:00 11:20 15:30 19:40 6:30 11:27 16:11 20:50 6:30 11:40 16:00 20:00 7:00 11:55 16:41 21:20 7:00 12:00 16:30 20:30 7:30 12:22 17:10 21:50 7:30 12:20 17:00 21:00 8:00 12:49 17:39 22:20 8:00 12:40 17:20 21:30 8:30 13:16 18:07 22:50 8:30 13:00 17:40 22:00 9:00 13:43 18:34 23:20 9:00 13:20 18:00 22:30 9:30 14:11 19:00 23:50 9:30 13:40 18:20 23:00 10:00 14:41 19:26 0:20 10:00 14:00 18:40 23:30 10:30 15:11 19:52 0:50 10:30 14:30 19:00 0:00 11:00 15:00 19:20 0:30 Para el cálculo del número de vehículos necesaros en cada tabla de horaros obtenda se necesta el tempo de recorrdo de la línea. De los datos de la empresa se tene la velocdad meda de la línea y unto con la dstanca se calcula dcho tempo. En el eemplo mostrado de la línea 41 se tene un tempo de recorrdo de 30 mnutos, que oblga a ncorporar 2 autobuses para las 2 prmeras saldas y luego se mantenen hasta el fnal en ambos métodos. Por tanto, respecto al número de autobuses cualquera de los métodos en este eemplo es váldo, pero el método A mplca un número menor de saldas (40 frente a las 44 del método B). 169

8 Los resultados obtendos (Tabla 5) se comparan con los reales en horas punta respecto al número de autobuses necesaros y respecto a los ntervalos de tempo y se observa que la empresa TUSSAM favorece a los pasaeros utlzando métodos basados en la carga de las paradas con mayor afluenca (métodos 1 y 2). Estos métodos favorecen unas frecuencas de paso mayores. Utlzando el método 1 en hora punta, se obtenen resultados smlares a los reales. 5. Conclusones Tabla 5. Comparacón con datos reales Nº BUSES INTERVALOS LÍNEA REALES MÉTODO 1-A REALES MÉTODO 1-A Se ha desarrollado una metodología para el cálculo de frecuencas y tabla de horaros que, por una parte, satsface la demanda de los vaeros, y por otra parte, mnmza el número de autobuses y saldas de los msmos. Los resultados se han comparado con los datos reales y se aproxma a los msmos, consderando que se han usado certos parámetros como la ocupacón deseada que depende de la caldad de servco que quera ofrecer la empresa y no se conoce a pror. Esta metodología se puede meorar medante la ncorporacón de sncronzacón en las paradas de trasbordo para mnmzar los tempos de espera de los vaeros como en Ceder, Golany y Tal (2001). Este estudo se está desarrollando y se mostrarán los resultados en futuros artículos. Referencas BAAJ, M. y MAHMASSANI, H. (1991). An AI-based approach for transt route system plannng and desgn. Journal of Advanced Transportaton 25, pp CEDER, A. (1984). Bus frequency determnaton usng passenger count data. Transportaton Research A 18A, pp CEDER, A. (1986). Methods for creatng bus tmetables. Transportaton Research A 21, pp CEDER, A. y WILSON, N.H.M. (1986). Bus network desgn. Transportaton Research B 20, pp CEDER, A., GOLANY, B. y TAL, O. (2001). Creatng bus tmetables wth maxmal synchronzaton. Transportaton Research A 35, pp

Estimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores

Estimación 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 detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS 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 detalles

Visión moderna del modelo de transporte clásico

Visión 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 detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

1. Lección 7 - Rentas - Valoración (Continuación)

1. 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 detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

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 detalles

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)

PROPORCIONAR 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 detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD 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 detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

ACUERDO DE ACREDITACIÓN IST 184. Programa de Magister en Ciencias mención Oceanografía Universidad de Concepción

ACUERDO DE ACREDITACIÓN IST 184. Programa de Magister en Ciencias mención Oceanografía Universidad de Concepción A t f l E D T A C l f l N UMITAS ACUERDO DE ACREDITACIÓN IST 184 Programa de Magster en Cencas mencón Oceanografía Unversdad de Concepcón Con fecha 10 de octubre de 2012, se realza una sesón del Consejo

Más detalles

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández

12-16 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 detalles

Relaciones entre variables

Relaciones 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 detalles

En un mercado hay dos consumidores con las siguientes funciones de utilidad:

En un mercado hay dos consumidores con las siguientes funciones de utilidad: En un mercado hay dos consumdores con las sguentes funcones de utldad: U ( + y, y = ln( + U ( = + y con a >,, y a ln( + donde, =,, es la cantdad del ben consumda por el ndvduo, y es la cantdad de renta

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 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 detalles

CONTRIBUCIÓN A LA MEJORA DE RESOLUCIÓN DE LOS SISTEMAS DE OBTENCIÓN DE IMÁGENES POR ULTRASONIDOS

CONTRIBUCIÓN A LA MEJORA DE RESOLUCIÓN DE LOS SISTEMAS DE OBTENCIÓN DE IMÁGENES POR ULTRASONIDOS UNIVERSITAT POLITÈCNICA DE CATALUNYA Departament d Engnyera Electrònca CONTRIBUCIÓN A LA MEJORA DE RESOLUCIÓN DE LOS SISTEMAS DE OBTENCIÓN DE IMÁGENES POR ULTRASONIDOS Autor: Jord Salazar Soler Drector:

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: 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 detalles

8 MECANICA Y FLUIDOS: Calorimetría

8 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 detalles

TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA

TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Ing. Federco G. Salazar Termodnámca del Equlbro TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Contendo 1. Conversón y Coordenada de Reaccón. 2. Ecuacones Independentes y Regla

Más detalles

1.- Objetivo Alcance Metodología...3

1.- Objetivo Alcance Metodología...3 PROCEDIMIENTO DO PARA EL CÁLCULO DEL FACTOR DE DESEMPEÑO DEL CONTROL DE FRECUENCIA (FECF) EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE 1.- Objetvo...3 2.- Alcance...3 3.- Metodología...3 3.1.- Cálculo de la

Más detalles

Organización y resumen de datos cuantitativos

Organización 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 detalles

2.5 Especialidades en la facturación eléctrica

2.5 Especialidades en la facturación eléctrica 2.5 Especaldades en la facturacón eléctrca Es necesaro destacar a contnuacón algunos aspectos peculares de la facturacón eléctrca según Tarfas, que tendrán su mportanca a la hora de establecer los crteros

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. 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 detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN 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 detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: 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 detalles

Palabras clave: Ruteo, descomposición cruzada separable, asignación-distribución

Palabras clave: Ruteo, descomposición cruzada separable, asignación-distribución Memoras de la XVII Semana Regonal de Investgacón y Docenca en Matemátcas, Departamento de Matemátcas, Unversdad de Sonora, Méxco. Mosacos Matemátcos No. 20, agosto 2007, pp. 51-57. Nvel Superor SOLUCIÓN

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Consideremos un sólido rígido sometido a un sistema de fuerzas en equilibrío, es decir

Consideremos un sólido rígido sometido a un sistema de fuerzas en equilibrío, es decir 1. PRINIPIO E TRJOS VIRTULES El prncpo de los trabajos rtuales, en su ertente de desplazamentos rtuales, fue ntroducdo por John ernoull en 1717. La obtencón del msmo dera de la formulacón débl (o ntegral)

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO 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 detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores 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 detalles

DETERMINACIÓN DEL NIVEL DE PRECIOS PACTADOS EN EL MERCADO DE CONTRATOS Y MITIGACIÓN DE LA VOLATILIDAD EN EL MERCADO ELÉCTRICO MAYORISTA ECUATORIANO

DETERMINACIÓN DEL NIVEL DE PRECIOS PACTADOS EN EL MERCADO DE CONTRATOS Y MITIGACIÓN DE LA VOLATILIDAD EN EL MERCADO ELÉCTRICO MAYORISTA ECUATORIANO DETERMINACIÓN DEL NIVEL DE PACTADOS EN EL MERCADO DE CONTRATOS Y MITIGACIÓN DE LA VOLATILIDAD EN EL MERCADO ELÉCTRICO MAYORISTA ECUATORIANO Galo Nna Análss y Control RESUMEN El obetvo de este trabao es

Más detalles

TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO

TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO Págna de 4 TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO INTRODUCCIÓN... 2 2 CLASIFICACIÓN DE LAS ACTIVIDADES PRODUCTIVAS... 4 3 FUNCIÓN DE PRODUCCIÓN... 3 4 CLASIFICACIÓN DE LOS PROCESOS

Más detalles

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede

Más detalles

FUNDAMENTOS QUIMICOS DE LA INGENIERIA

FUNDAMENTOS 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 detalles

MODELOS DE SECUENCIACIÓN EN MÁQUINAS 1

MODELOS DE SECUENCIACIÓN EN MÁQUINAS 1 odelos de secuencacón de tareas en máqunas Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu ODELOS DE SECUENCIACIÓN EN ÁQUINAS odelos de secuencacón de tareas

Más detalles

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

IES 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 detalles

Unidad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI

Unidad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI Undad 3 PLANIFICACIÓN DE TIEMPOS, PROGRAMACIÓN DE RECURSOS Y ESTIMACIÓN DE COSTOS DE LA EJECUCIÓN Y MANTENIMIENTO DE LOS STI 3.1. DINÁMICA DE LA GESTIÓN DE PROYECTOS. 3.1.1. GESTIÓN DE PROYECTOS. La gestón

Más detalles

Dicha 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.

Dicha 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 detalles

CAPÍTULO 3 METODOLOGÍA. En el siguiente capítulo se presenta al inicio, definiciones de algunos conceptos actuariales

CAPÍTULO 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 detalles

Colección de problemas de. Poder de Mercado y Estrategia

Colección de problemas de. Poder de Mercado y Estrategia de Poder de Mercado y Estratega Curso 3º - ECO- 0-03 Iñak Agurre Jaromr Kovark Marta San Martín Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema. Olgopolo y competenca monopolístca.

Más detalles

Electricidad y calor

Electricidad y calor Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 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 detalles

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage: Algunas definiciones

Electricidad y calor. Un repaso... Temas. 4. Primera ley de la Termodinámica. Webpage:  Algunas definiciones Electrcdad y calor Webpage: http://pagnas.sca.uson.mx/qb 2007 Departamento de Físca Unversdad de Sonora Temas 4. Prmera ley de la Termodnámca.. Concepto de Trabajo aplcado a gases.. Trabajo hecho por un

Más detalles

Análisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto

Análisis Matemático en la Economía: Optimización y Programación. Augusto Rufasto Análss Matemátco en la Economía: Optmzacón y Programacón arufast@yahoo.com-rufasto@lycos.com www.geoctes.com/arufast-http://rufasto.trpod.com La optmzacón y la programacón están en el corazón del problema

Más detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN 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 detalles

ANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:

ANÁLISIS 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 detalles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles 2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca

Más detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación 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 detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA 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 detalles

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

CESMA BUSINESS SCHOOL

CESMA BUSINESS SCHOOL CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

Regresión Lineal Simple y Correlación

Regresión Lineal Simple y Correlación 4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse

Más detalles

Convertidores Digital-Analógico y Analógico-Digital

Convertidores Digital-Analógico y Analógico-Digital Convertdores Dgtal-Analógco y Analógco-Dgtal Conversón Dgtal-Analógca y Analógca-Dgtal Con estos crcutos se trata de consegur una relacón bunívoca entre una señal analógca y una dgtal o vceversa. Las magntudes

Más detalles

LECTURA 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 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 detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo 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 detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos 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 detalles

BOLETÍN OFICIAL DE CANTABRIA

BOLETÍN OFICIAL DE CANTABRIA AYUNTAMIENTO DE MEDIO CUDEYO Acuerdo 23 mayo 2016 por el que se aprueban las bases para regular la convocatora y formacón una Bolsa Empleo Educador/Educadora Socal como personal laboral temporal. Bases

Más detalles

PRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA)

PRECIOS MEDIOS ANUALES DE LAS TIERRAS DE USO AGRARIO (METODOLOGÍA) SECREARÍA ENERAL ÉCNICA MINISERIO DE ARICULURA, ALIMENACIÓN Y MEDIO AMBIENE SUBDIRECCIÓN ENERAL DE ESADÍSICA PRECIOS MEDIOS ANUALES DE LAS IERRAS DE USO ARARIO (MEODOLOÍA) OBJEIVO: Desde 1983 el Mnstero

Más detalles

UN PROBLEMA LOGÍSTICO DE PROGRAMACIÓN DE VEHÍCULOS CON VENTANAS DE TIEMPO(VRPTW)

UN PROBLEMA LOGÍSTICO DE PROGRAMACIÓN DE VEHÍCULOS CON VENTANAS DE TIEMPO(VRPTW) Scenta et Technca Año XIV, No 39, Septembre de 2008. Unversdad Tecnológca de Perera. ISSN 0122-1701 229 UN PROBLEMA LOGÍSTICO DE PROGRAMACIÓN DE VEHÍCULOS CON VENTANAS DE TIEMPO(VRPTW) A logstc case of

Más detalles

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo

Más detalles

Medidas de centralización

Medidas 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 detalles

Facultad de Ingeniería División de Ciencias Básicas Coordinación de Ciencias Aplicadas Departamento de Probabilidad y Estadística

Facultad 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 detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

1.- Elegibilidad de estudiantes. 2.- Selección de estudiantes - 2 -

1.- Elegibilidad de estudiantes. 2.- Selección de estudiantes - 2 - Unversdad Euskal Herrko del País Vasco Unbertstatea NORMATIVA PARA SOCRATES/ERASMUS Y DEMÁS PROGRAMAS DE MOVILIDAD AL EXTRANJERO DE ALUMNOS (Aprobada en Junta de Facultad del día 12 de marzo de 2002) La

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 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 detalles

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange

Resumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 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 detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.

Más detalles

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.

Simulación 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 detalles

Un modelo sencllo, dsponble y seguro Kontratazo publko elektronkoa públca electrónca Lctacones de Prueba: la mejor forma de conocer y domnar el Sstema de Lctacón Electrónca www.euskad.net/contratacon OGASUN

Más detalles

Explicación de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS

Explicación de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS Explcacón de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS EMBARGO: 21 de agosto de 2012, 15:00 (CEST) Objetvo angular de 24 mm, con zoom óptco 30x (PowerShot SX500 IS) Desarrollado usando

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: son datos de corte transversal correspondientes a 120 familias españolas. Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos 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 detalles

Cifrado de imágenes usando autómatas celulares con memoria

Cifrado 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 detalles

CONTROL PREDICTIVO HÍBRIDO PARA EL PROBLEMA DE RUTEO DINÁMICO DE VEHÍCULOS BASADO EN OPTIMIZACIÓN MULTIOBJETIVO EVOLUCIONARIA (EMO)

CONTROL PREDICTIVO HÍBRIDO PARA EL PROBLEMA DE RUTEO DINÁMICO DE VEHÍCULOS BASADO EN OPTIMIZACIÓN MULTIOBJETIVO EVOLUCIONARIA (EMO) CONTROL PREDICTIVO HÍBRIDO PARA EL PROBLEMA DE RUTEO DINÁMICO DE VEHÍCULOS BASADO EN OPTIMIZACIÓN MULTIOBJETIVO EVOLUCIONARIA (EMO) Alfredo Núñez V., Marcela Rquelme H., Dors Sáez H. Departamento de Ingenería

Más detalles

Nuevos Modelos Probabilísticos. de Localización de Servicios de Emergencias 1

Nuevos Modelos Probabilísticos. de Localización de Servicios de Emergencias 1 Departamento de Estadístca y Matemátca Aplcada Nuevos Modelos Probablístcos de Localzacón de Servcos de Emergencas Fernando Borrás Rocher Memora para optar al grado de Doctor por la Unversdad Mguel Hernández,

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

PROBLEMAS DE RUTAS EN CAMINOS FORESTALES CONSIDERANDO MÚLTIPLES CRITERIOS

PROBLEMAS DE RUTAS EN CAMINOS FORESTALES CONSIDERANDO MÚLTIPLES CRITERIOS PROBLEMAS DE RUTAS EN CAMINOS FORESTALES CONSIDERANDO MÚLTIPLES CRITERIOS Rafael Caballero Fernández Marano Luque Gallego Julán Molna Luque Departamento de Economía Aplcada Matemátcas Unversdad de Málaga

Más detalles

Condiciones Generales TestQual 2013

Condiciones Generales TestQual 2013 Condcones Generales TestQual 2013 Ejerccos TestQual 2013: En el presente documento se descrben las Condcones Generales de aplcacón en los Programas de Intercomparacón de TestQual. Con la solctud de uno

Más detalles

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis 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 detalles

Planificación de la Operación de Corto Plazo de Sistemas de Energía Hidroeléctrica

Planificación de la Operación de Corto Plazo de Sistemas de Energía Hidroeléctrica Planfcacón de la Operacón de Corto Plao de Sstemas de Energía Hdroeléctrca João P. Catalão 1, Sílvo J. Marano 1, Vctor M. Mendes 2 y Luís A. Ferrera 3 (1) Unversdad Bera Interor. Dpto. de Ingenaría Electromecánca.

Más detalles

4. PROBABILIDAD CONDICIONAL

4. PROBABILIDAD CONDICIONAL . ROBBILIDD CONDICIONL La probabldad de que ocurra un evento B cuando se sabe que ha ocurrdo algún otro evento se denomna robabldad Condconal, Se denota como (B/) y se lee como la probabldad de que ocurra

Más detalles

TEMA 6 AMPLIFICADORES OPERACIONALES

TEMA 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 detalles

ELECTROSTÁTICA. CAMPO ELÉCTRICO EN EL VACÍO.

ELECTROSTÁTICA. CAMPO ELÉCTRICO EN EL VACÍO. ELECTROSTÁTICA. CAMPO ELÉCTRICO EN EL VACÍO..- PERSPECTIVA HISTÓRICA MATERIA { MOLÉCULAS } { ÁTOMOS}, sendo los átomos y/o moléculas estables por la nteraccón electromagnétca. Desde la perspectva electromagnétca

Más detalles

Tema 4: Variables aleatorias

Tema 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 detalles

FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN

FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN 1 CÁLCULO DE LOS FLUJOS NETOS DE CAJA Y TOMA DE DECISIONES DE INVERSIÓN PRODUCTIVA Peculardades

Más detalles

CAPACIDAD DE LAS HOJAS DE CÁLCULO EN EL ANÁLISIS Y OPTIMIZACIÓN DE PROCESOS Y SISTEMAS

CAPACIDAD DE LAS HOJAS DE CÁLCULO EN EL ANÁLISIS Y OPTIMIZACIÓN DE PROCESOS Y SISTEMAS CAPACIDAD DE LAS OJAS DE CÁLCULO EN EL ANÁLISIS Y OPIMIZACIÓN DE PROCESOS Y SISEMAS A. Rvas y. Gómez-Acebo Departamento de Ingenería Mecánca-Área de Ingenería érmca y de Fludos ECNUN - Escuela Superor

Más detalles

Benemérita Universidad Autónoma de Puebla. Facultad de Ciencias de la Computación. Maestría en Ciencias de la Computación

Benemérita Universidad Autónoma de Puebla. Facultad de Ciencias de la Computación. Maestría en Ciencias de la Computación Benemérta Unversdad Autónoma de Puebla Facultad de Cencas de la Computacón Maestría en Cencas de la Computacón Determnacón de Efcenca y Factor de Garantía de un Algortmo Basado en Búsqueda Local para el

Más detalles

Un Modelo de Asignación de Recursos a Rutas en el Sistema de Transporte Masivo Transmilenio

Un Modelo de Asignación de Recursos a Rutas en el Sistema de Transporte Masivo Transmilenio Un Modelo de Asgnacón de Recursos a Rutas en el Sstema de Transporte Masvo Transmleno A Model for Resource Assgnment to Transt Routes n Bogota Transportaton System Transmleno Sergo Duarte, Ing., Davd Becerra,

Más detalles

Fisicoquímica CIBEX Guía de Trabajos Prácticos 2010. Trabajo Práctico N 7. - Medida de la Fuerza Electromotriz por el Método de Oposición-

Fisicoquímica CIBEX Guía de Trabajos Prácticos 2010. Trabajo Práctico N 7. - Medida de la Fuerza Electromotriz por el Método de Oposición- Fscoquímca CIBX Guía de Trabajos Práctcos 2010 Trabajo Práctco N 7 - Medda de la Fuerza lectromotrz por el Método de Oposcón- Objetvo: Medr la fuerza electromotrz (FM) de la pla medante el método de oposcón

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

Indice de Coste Laboral Armonizado. Metodología

Indice de Coste Laboral Armonizado. Metodología Indce de Coste Laboral Armonzado Metodología Indce 1. Introduccón 2. Defncones 3. Formulacón 4. Ajuste de seres 1. Introduccón El objetvo prncpal del Indce de Coste Laboral Armonzado es proporconar una

Más detalles

Trabajo Especial 2: Cadenas de Markov y modelo PageRank

Trabajo Especial 2: Cadenas de Markov y modelo PageRank Trabajo Especal 2: Cadenas de Markov y modelo PageRank FaMAF, UNC Mayo 2015 1. Conceptos prelmnares Sea G = (V, E, A) un grafo drgdo, con V = {1, 2,..., n} un conjunto (contable) de vértces o nodos y E

Más detalles

Guía de Electrodinámica

Guía 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 detalles