MAÍZ A PARTIR DE LA INTEGRAL TÉRMICA. A. Martínez-Cob

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

Download "MAÍZ A PARTIR DE LA INTEGRAL TÉRMICA. A. Martínez-Cob"

Transcripción

1 NUEVOS COEFICIENTES DE CULTIVO DE MAÍZ A PARTIR DE LA INTEGRAL TÉRMICA A. Martínez-Cob Centífco Ttular, Estacón Expermental Aula De (CSIC), Apdo., 000 Zaragoza (España). Tel.: +. Fax: +. E-mal: macoan@eead.csc.es RESUMEN Se obtuvo una ecuacón de cálculo del coefcente de cultvo (Kc) de maíz a partr de la ntegral térmca medante meddas lsmétrcas de evapotranspracón de referenca y de maíz. Durante su valdacón, los estadístcos meda de los errores de estmacón (MEE), raíz cuadrada del error cuadrátco medo (RECM) e índce de smltud (IS) fueron 0.0 mm día -1, 1. mm día -1 y 0., respectvamente, algo mejores que los de las estmacones obtendas con la curva de Kc propuesta por la FAO, 0.1 mm día -1, 1. mm día -1 y 0., respectvamente. Además, estas últmas estmacones sobrestmaron la evapotranspracón de maíz medda salvo para valores grandes. Se recomenda usar la nueva ecuacón de Kc en vez de la curva de la FAO, al menos en zonas de clma semárdo y para el cálculo de calendaros de rego a tempo real. PALABRAS CLAVE Evapotranspracón, Coefcente de cultvo, Maíz, Rego, Integral térmca, Clma semárdo, Valdacón. ABSTRACT An equaton for computng a crop coeffcent (Kc) curve for corn as a functon of thermal unts was obtaned from lysmeter measurements of reference and corn evapotranspraton. Durng valdaton, the statstcs mean of estmaton error (MEE), root mean square error (RMSE) and ndex of agreement (IA) were 0.0 mm day -1, 1. mm day -1, and 0., respectvely, better than those for the estmatons obtaned usng the Kc curve proposed by FAO, 0.1 mm day -1, 1. mm day -1 and 0., respectvely. Lkewse, these latter estmatons overestmated measured corn evapotranspraton except for hgher values. The use of the new Kc equaton s 1

2 recommended nstead of the FAO Kc curve, at least for semard clmatc condtons and for real-tme rrgaton schedulng. KEYWORDS Evapotranspraton, Crop coeffcent, Corn, Irrgaton, Thermal unts, Semard clmate, Valdaton. 1. INTRODUCCIÓN El cálculo de las necesdades hídrcas de los cultvos requere la estmacón de la denomnada curva de coefcente de cultvo (Kc). Por lo común, se utlza el procedmento propuesto por la FAO en el que el cclo de cultvo se dvde en cuatro etapas fenológcas cuya duracón, así como las condcones clmátcas y edáfcas medas de la zona de nterés durante esas etapas, se deben establecer a pror, al nco de la campaña de regos (Allen et al., 1). Así, lo habtual es defnr una curva de Kc meda para la zona y emplear esta curva en los dstntos años sn nclur el posble efecto del ambente y otros factores de un año partcular sobre el crecmento del cultvo. Por tanto, el procedmento de la FAO presenta lmtacones mportantes para estmar las necesdades hídrcas de los cultvos a tempo real. Como alternatva se ha propuesto calcular la curva de Kc en funcón de otras varables; entre otras, días después de sembra o mes del año (Steele et al., 1; Nelsen y Hnkle, 1; Tyag et al., 000, 00), índce de área folar (Kang et al., 00), proporcón de suelo sombreado por el cultvo (Grattan et al., 1) e ntegral térmca (IT) (Amos et al., 1; Nelsen y Hnkle, 1; Steele et al., 1; Hunsaker, 1). La IT es fácl de calcular por la dsponbldad de datos de temperatura del are y tene una gran nfluenca sobre el desarrollo del cultvo (Rtche and NeSmth, ). Se recomenda usar la IT en térmnos relatvos porque se podría generalzar la msma curva de Kc entre dstntos cultvares con dferentes valores de IT acumulada en su cclo (Amos et al., 1). Los trabajos anterormente ctados han conducdo a dstntas curvas de Kc con resultados dferentes dependendo, entre otros factores, de las condcones clmátcas de la zona de estudo, de la precsón del método de cálculo de la evapotranspracón de referenca (ET o ) empleado para obtener valores expermentales de Kc y de la escala temporal de estos últmos, por lo común a 0 días. Por ejemplo, Amos et al. (1) y Nelsen y Hnkle (1) obtuveron curvas de Kc cuyos valores máxmos no exceden de 1,0, valor

3 demasado pequeño para las condcones semárdas del valle del Ebro (Martínez- Cob et al., 1). Además, para el rego a tempo real de maíz en clmas semárdos sería más apropado desarrollar curvas de Kc a partr de valores expermentales daros. Los objetvos de este trabajo son: 1) desarrollar una ecuacón de estmacón dara de Kc de maíz en funcón de la fraccón de la ntegral térmca (FIT) a partr de valores expermentales meddos en lsímetros de pesada; ) valdar esa ecuacón; y ) evaluar s esa ecuacón mejora las estmacones de evapotranspracón de maíz (ET c ) obtendas con el procedmento de la FAO.. OBTENCIÓN DE LA CURVA DE Kc El trabajo se ha realzado en dos parcelas adyacentes, A (1, ha, m x 0 m) y B (1,0 ha, 0 m x 0 m) stuadas en el barro rural de Montañana (Zaragoza) (Fgura 1) junto a las terrazas del río Gállego, a unos km de su desembocadura en el río Ebro (lattud, 1 '0'' N; longtud, 0 ''' O; elevacón, m). Las medas anuales de la precptacón y la temperatura del are son 0 mm y 1, C, respectvamente (Fac et al., 1). Durante 1 y 1, la parcela A estuvo cuberta de una pradera de gramíneas pratenses (Festuca arundnacea Moench. cv. Demeter), cumplendo las característcas defndas para un cultvo de referenca (Allen et al., 1). Por su parte, en la parcela B se cultvó maíz (Zea mays cv. Juanta) en flas separadas 0, m y con una densdad aproxmada de plantas ha -1. Las fechas de sembra y cosecha fueron de mayo y de octubre, respectvamente, en 1, y 1 de mayo y de octubre, en 1. En el centro de cada parcela se dspuso de sendos lsímetros de pesada de m de superfce y descrtos más detalladamente en Martínez-Cob (001). Los regstros de los lsímetros permteron obtener valores daros de evapotranspracón de referenca (ET o-ls ) y de cultvo (ET c-ls ) en (1) y (1) días tras descartar aquéllos en los que se realzaron regos, abonos y otras práctcas de mantenmento (Martínez-Cob, 001). A partr de estos valores se obtuveron valores daros expermentales de Kc (Kc exp ): Kc exp = ET c-ls / ET o-ls. Las medas daras de temperatura del are regstradas en una estacón meteorológca automátca ubcada en la parcela A se emplearon para calcular la ntegral térmca (IT) acumulada (Rtche and NeSmth, ):

4 IT IT = = IT IT ( T T ) a b s T s T a a > T T b b (1) 1 1 donde: IT e IT -1, ntegral térmca acumulada en los días e -1, respectvamente( C); (T a -T b ), dferenca entre la temperatura del are y la temperatura basal en el día ( C). Para este trabajo, se supuso una temperatura basal de C (Knry, ) y que la ntegral térmca acumulada total desde sembra a cosecha para el cultvar de maíz utlzado es de 00 C (Cavero et al., 1; Martínez-Cob, 00). De este modo, los valores de IT se expresaron como la fraccón de la ntegral térmca acumulada total para el día (FIT ): FIT = IT / 00. La Fgura muestra los valores de Kc exp frente a los de la FIT. La Fgura sugró el ajuste de una ecuacón polnómca. Martínez-Cob (00) descrbe y dscute detalladamente el procedmento segudo para determnar el grado del polnomo ajustado y el cálculo de los correspondentes parámetros de regresón. La ecuacón ajustada fnalmente fue la sguente (Martínez-Cob, 00): 1 Kc = 0, +, FIT + 1,0 FIT, FIT () La Fgura muestra que la longtud del perodo anteror a que se alcance el valor máxmo de Kc con la Ec. () fue mayor que la del perodo posteror a ese máxmo. Éste fue de 1, y se alcanzó para valores de FTI de entre 0, y 0,. Este máxmo valor es smlar al obtendo por Kang et al. (00) para maíz cultvado en zonas semárdas de Chna. Estos autores obtuveron una ecuacón de Kc en funcón de los días después de sembra (DAS) para un cultvar cuyo cclo duraba entre 0 y 0 días menos que el utlzado en este trabajo por lo que su ecuacón sólo se podría aplcar a cultvares de longtud de cclo smlar ya que estos autores emplearon valores absolutos de DAS en vez de relatvos. Tyag et al. (00) obtuveron valores máxmos de Kc de 1, para maíz cultvado en zonas semárdas de Inda, algo más bajos que lo observado en este trabajo. Martínez-Cob (00) obtuvo valores máxmos de Kc smlares a los de Tyag et al. (00) cuando los valores expermentales de Kc se obtuveron con estmacones de ET o calculadas con el método FAO Penman-Monteth en vez de con valores lsmétrcos. En otros trabajos se obtuveron valores máxmos de Kc, calculados a partr de IT o FIT, nferores a 1,1 debdo al empleo de métodos de cálculo de la ET o que la sobrestmaban sgnfcatvamente (Samms et al., 1), a las condcones de mayor

5 humedad de la zona (Nelsen y Hnkle, 1; Steele et al., 1) o a que el maíz se cultvó en condcones de certo estrés hídrco (Amos et al., 1). El valor ajustado del coefcente de determnacón ( ) de la Ec. () fue moderadamente grande (Fgura ). Este valor sugere que aproxmadamente un % de la varabldad del Kc exp no se explcó con la varabldad de la FIT, algo esperado pues no se tuveron en cuenta otros factores que afectan a la varabldad del Kc; por ejemplo, la ntensdad y frecuenca de humedecmento del suelo durante la fase ncal de desarrollo del cultvo, cuando la evaporacón de agua del suelo es más mportante que la transpracón. En este trabajo se ntentó la nclusón de otras varables meteorológcas (humedad relatva y velocdad del vento) en la Ec. () pero no se obtuveron mejoras en térmnos de. Probablemente, la varabldad de estas varables meteorológcas no fue sufcente en los años 1 y 1 como para tener un efecto sgnfcatvo en la varabldad del Kc. Una nvestgacón futura debería consderar la nclusón de datos expermentales regstrados en otras localdades con una varabldad mayor en las condcones meteorológcas.. VALIDACIÓN DE LA CURVA DE Kc Y COMPARACIÓN CON EL Kc DE FAO La valdacón de la ecuacón del Kc en funcón de la FTI, Ec. (), se realzó con datos de ET c regstrados en 00 y 00 en el lsímetro de la parcela A. Esta parcela se sembró con maíz (cultvar Poneer PRN) el de abrl en ambos años, con una dstanca entre flas y densdad de plantas smlares a las empleadas en 1 y 1. La cosecha se realzó el de octubre (00) y el de octubre (00). Durante la valdacón, no se dspuso de valores meddos de ET o por lo que se emplearon las estmacones daras obtendas con el método FAO Penman- Monteth en una estacón meteorológca automátca ubcada en una parcela próxma (Fgura 1). Este método se recomenda actualmente para determnar la ET o (Allen et al., 1) y ha mostrado su gran smltud con valores lsmétrcos de ET o en las condcones de la zona de estudo (Lecna et al., 00); aún así su calbracón local mejora lgeramente las estmacones (Martínez-Cob, 00). Asmsmo, durante 00 y 00 se calcularon valores de Kc sguendo el método de la FAO. Para ello, se utlzaron valores tabulados de Kc para maíz (Allen et al., 1) modfcados para adaptarlos a las condcones clmátcas y de fenología de estos dos años (Martínez-Cob, 00). R aj R aj

6 Por tanto, tres conjuntos de estmacones de ET c para el maíz se compararon con los valores meddos en el lsímetro de la parcela A: 1) ET c-it, valores obtendos utlzando la Ec. (); ) ET c-itcl, valores obtendos utlzando la Ec. () pero corrgendo los valores de ET o empleados en el cálculo con una calbracón local del método FAO Penman-Monteth (Martínez-Cob, 00); y ) ET c-fao, valores obtendos utlzando la curva de Kc sguendo la metodología FAO. Los valores estmados de ET c se compararon con los meddos medante análss de regresón smple y = b 0 + b 1 x, donde los valores meddos se emplearon como la varable ndependente (x) y los estmados como la varable dependente (y). Asmsmo, se calcularon otros estadístcos de comparacón (Wllmott, 1): error medo de estmacón (MEE), raíz cuadrada del error cuadrátco medo (RECM) e índce de smltud (IS): 1 MEE N ( y x ) N = () = 1 1 RECM N = = 1 ( y x ) N 0. () N = 1 N ( y x ) ( y x + x x ) IS = 1 () = 1 donde: N, tamaño muestral; x, meda de los valores meddos de ET c. Wllmott (1) sugere calcular IS pues es un estadístco relatvo (cuantfca la magntud relatva de los errores) y acotado, que varía entre 0, falta absoluta de smltud, y 1, smltud total entre valores meddos y estmados. Índces relatvos como RECM/ x son utlzados frecuentemente pero son cuestonables porque no están acotados y son nestables para valores de x y/o N cercanos a 0 (Wllmott, 1). La Fgura muestra los valores meddos y estmados de ET c durante la valdacón. Los coefcentes de determnacón fueron relatvamente grandes, alrededor del 0 %, lo que sugere que un 0 % de la varabldad no ha sdo explcada por los métodos de estmacón, algo esperado ya que el desarrollo del cultvo se ve fuerte pero no completamente afectado por la ntegral térmca; otros factores (clmátcos, edáfcos y de cultvo) deberían consderarse para calcular curvas de Kc. En promedo, las estmacones de ET c usando la Ec. () mostraron una gran smltud con los valores meddos (en el caso de ET c-it ) o una lgera subestmacón (en el caso de ET c-itcl ), mentras que las estmacones calculadas con

7 el procedmento de la FAO sobrestmaron aprecablemente los valores meddos salvo para valores grandes de ET c (Fgura ). En consecuenca, los estadístcos obtendos en el caso de la Ec. () (ET c-it y ET c-itcl ) fueron algo mejores que los obtendos usando el procedmento de la FAO (ET c-fao ) (Tabla 1). Los valores de MEE fueron de 0,0 y 0,1 mm día -1 en el caso de la Ec. () mentras que fueron de 0,0 mm día -1 en el caso de ET c-fao. Por tanto, el sesgo fue claramente más alto en este últmo caso. Las dferencas entre los dstntos métodos, en térmnos de RECM e IS fueron más pequeñas (Tabla 1). Aún así, los valores de RECM fueron de 1,-1, mm día -1 en el caso de la Ec. (), algo menores que el valor de RECM en el caso de ET c-fao, 1, mm día -1. Los valores de IS fueron de 0, en el caso de la Ec. () y de 0, en el caso de ET c-fao. Fnalmente, los parámetros de las correspondentes regresones entre los valores meddos y estmados de ET del maíz fueron sgnfcatvamente mejores en el caso de la Ec. (): las ordenadas en el orgen no fueron sgnfcatvamente dferentes de 0 y las pendentes no lo fueron de 1 (α = 0,0) (Fgura ). En el caso de ET c-fao, estos parámetros de regresón sí fueron sgnfcatvamente dferentes de 0 y 1, respectvamente. Como se esperaba, las estmacones ET c-it y ET c-itcl presentaron resultados smlares en su comparacón con los valores meddos debdo a que la calbracón local del método FAO Penman-Monteth sólo supuso un lgero cambo de las estmacones de ET o debdo a la gran precsón de este método (Allen et al., 1; Lecna et al., 00; Martínez-Cob, 00). Los resultados de la Tabla 1 y la Fgura ndcan que los resultados obtendos con la curva de Kc según el procedmento de la FAO fueron peores que los resultados obtendos con la Ec. (). Hay que tener en cuenta que, en este trabajo, la curva de Kc según el procedmento de la FAO se calculó una vez fnalzada la campaña de cultvo a partr de los valores meddos de cobertura de suelo y senescenca los cuales se emplearon para establecer la duracón de las etapas fenológcas del cclo de cultvo (Allen et al., 1; Martínez-Cob, 00). Sn embargo, lo habtual cuando se emplea la metodología FAO de cálculo de curvas de Kc, es dvdr a pror el cclo de cultvo en cuatro etapas fenológcas (Allen et al., 1) lo que puede conllevar a una falta de adecuacón de esas curvas a las condcones concretas de cada año en partcular. Por ello, s se huberan empleado valores medos fenológcos consderados típcos de la zona, como los publcados por

8 Martínez-Cob et al. (1), los resultados podrían haber sdo algo dferentes y, probablemente, peores aún, dependendo de cuánto se alejaran esos valores de los ocurrdos realmente en los dos años de valdacón. En stuacones como las de calendaros de rego a tempo real, estas lmtacones del método de la FAO de cálculo de Kc resultan más crítcas. Por tanto, se puede conclur que el empleo de la Ec. () se recomenda en vez de la curva de Kc según el procedmento FAO, al menos en condcones clmátcas semárdas como las observadas en este trabajo y, partcularmente, cuando el objetvo es el cálculo calendaros de rego a tempo real.. CONCLUSIONES Medante valores lsmétrcos meddos (1 y 1) de evapotranspracón (ET) de referenca y de maíz, se obtuvo una ecuacón polnómca de tercer grado para estmar curvas de coefcente de cultvo (Kc) para maíz a partr de la fraccón de ntegral térmca. La ecuacón se valdó con datos expermentales de 00 y 00. La comparacón de las estmacones calculadas con esa ecuacón (ET c-it ) con valores lsmétrcos meddos mostró resultados (análss de regresón y errores) sgnfcatvamente mejores que los obtendos al emplear el procedmento de la FAO para estmar la curva de Kc (ET c-fao ). El sesgo (MEE) fue de 0,0 mm día -1 en el caso de ET c-it pero 0,0 mm día -1 en el caso de ET c-fao. Tambén los valores de RECM e IS fueron algo menores: 1, mm día -1 y 0,, respectvamente, en el caso de ET c-it, por 1, mm día -1 y 0,, respectvamente, en el caso de ET c-fao. Se recomenda el uso de la Ec. () obtenda en este trabajo en vez de la curva de Kc según el procedmento de la FAO debdo a los mejores estadístcos obtendos y por la lmtacón que para este últmo procedmento se derva de la necesdad de establecer a pror las cuatro etapas fenológcas en que se dvde el cclo de cultvo. Esta recomendacón debería aplcarse sobre todo en condcones clmátcas semárdas como las de la zona de estudo y para calendaros de rego a tempo real. Agradecmentos Trabajo fnancado con los proyectos HID-1-C0-0 y AGL CO-0 (Mnstero de Educacón), y PIP00/00 (Goberno de Aragón). Mencón especal por su colaboracón a: E. Playán, J.M. Fac, J. Cavero, N. Zapata, M. Izquerdo, J. Gaudó, D. Mayoral, J.M. Acín, M.P. Panagua, E. Medna y M. Pug.

9 BIBLIOGRAFÍA Allen R.G., Perera L.S., Raes D., Smth M. 1. Crop evapotranspraton: gudelnes for computng crop water requrements. FAO Irrgaton and Dranage Paper. FAO, Roma, Itala. Amos B., Stone L.R., Bark L.D. 1. Fracton of thermal unts as the base for evapotranspraton crop coeffcent curve for corn. Agron. J. 1: 1-1. Cavero J., Zaragoza C., Suso M.L., Pardo A. 1. Competton between maze and Datura stramonum n an rrgated feld under sem-ard condtons. Weed Research. : -0. Fac J.M., Martínez-Cob A., Cabezas-Andrade A. 1. Agroclmatología de los regadíos del bajo Gállego: doce años de observacones daras en Montañana (Zaragoza). Dpto. Agrcultura, Ganadería y Montes, DGA, Zaragoza, España. Grattan S.R., Bowers W., Dong A., Snyder R.L., Carroll J.J., George W. 1. New crop coeffcents estmate water use of vegetables, row crops. Calforna Agrculture. (1): 1-1. Hunsaker D.J. 1. Basal crop coeffcents and water use for early maturty cotton. Trans. ASAE. (): -. Kang S.Z., Gu B.J., Du T.S., Zhang J.H. 00. Crop coeffcent and rato of transpraton to evapotranspraton of wnter wheat and maze n a sem-humd regon. Agrcul. Water Manage. (): -. Knry J.R.. Maze Phasc Development. En: Modelng Plant and Sol Systems. Hanks J., Rtche J.T. (eds.). Sere Agronomy Nº ASA, CSSA, SSSA, Madson, EE.UU. Lecna S., Martínez-Cob A., Pérez P.J., Vllalobos F.J., Baselga J.J. 00. Fxed versus varable bulk canopy resstance for reference evapotranspraton estmaton usng the Penman-Monteth equaton under semard condtons. Agrc. Water Manage. 0 (): -1. Martínez-Cob A Adequacy of Vllalobos method to adjust eddy covarance latent heat flux. Irrg. Sc. 0: 1-1.

10 Martínez-Cob A. 00. Use of thermal unts to estmate corn crop coeffcents under semard clmatc condtons. Irrg. Sc. (): -. Martínez-Cob A., Fac J.M., Bercero A. 1. Evapotranspracón y necesdades de rego de los prncpales cultvos en las comarcas de Aragón. Publcacón 1. Insttucón Fernando el Católco, Zaragoza, España. pp. Nelsen D.C., Hnkle S.E. 1. Feld evaluaton of basal crop coeffcents for corn based on growng degree days, growth stage, or tme. Trans. ASAE. (1): -. Rtche J.T., NeSmth D.S.. Temperature and crop development. En: Modelng Plant and Sol Systems. Hanks J., Rtche J.T. (eds.). Sere Agronomy Nº ASA, CSSA, SSSA, Madson, EE.UU. Samms T.W., Mapel C.L., Lugg D.G., Lansford R.R., McGuckn J.T. 1. Evapotranspraton crop coeffcents predcted usng growng-degree-days. Trans. ASAE. (): -0. Steele D.D., Sajd A.H., Prunty L.D. 1. New corn evapotranspraton crop curves for southeastern North Dakota. Trans. ASAE. (): 1-. Tyag N.K., Sharma D.K., Luthra S.K Determnaton of evapotranspraton and crop coeffcents of rce and sunflower wth lysmeter. Agrcul. Water Manage. : 1-. Tyag N.K., Sharma D.K., Luthra S.K. 00. Determnaton of evapotranspraton for maze and berseem clover. Irrg. Sc. 1: 1-. Wllmott C.J. 1. Some comments on the evaluaton of model performance. Bull. Am. Meteorol. Soc. (): -.

11 Tabla 1. Estadístcos de la comparacón entre valores meddos (varable x) y estmados (varable y) de evapotranspracón de maíz durante los años de valdacón, 00 y 00. Varable y y MEE RECM (mm día -1 y / x ) (mm día -1 ) (mm día -1 ) IS ET c-it, 1,01 0,0 ns0 1, 0, ET c-itcl,1 0, -0,1 s0 1, 0, ET c-fao, 1,0 0,0 s0 1, 0, x, meda de la varable x (, mm día -1 ); y, meda de la varable y; MEE, meda de los errores de estmacón; RECM, raíz cuadrada del error cuadrátco medo; IS, índce de smltud. Tamaño muestral, N = 1. ns0 no sgnfcatvamente dferente de 0; s0 sgnfcatvamente dferente de 0 (α = 0,).

12 Fgura 1. Esquema de la parcela expermental. 1

13 N Parcela B Estacón meteorológca (00 y 00) Parcela A Parcela A Camno Estacón meteorológca (1 y 1) Lsímetro Lsímetro Camno 1 m 1 m Caseta de control del rego Aspersores

14 Fgura. Ecuacón polnómca ajustada a los valores expermentales de Kc obtendos en 1 y 1 en funcón de la fraccón de la ntegral térmca (FIT). 1

15 , COEFICIENTE DE CULTIVO 1, 1, 1,0 0, 0, 0, Observado Regresón 0, R aj = 0,1 Kc = -, FIT + 1,0 FIT +, FIT + 0, 0,0 0,0 0,1 0, 0, 0, 0, 0, 0, 0, 0, 1,0 FRACCIÓN DE LA INTEGRAL TÉRMICA

16 Fgura. Valores daros de evapotranspracón de maíz meddos (ET c-ls ) frente a estmados (ET c-est ) medante tres procedmentos: 1) ET c-it, utlzando la Ec. (); ) ET c-itcl, utlzando la Ec. () y una calbracón local del método FAO Penman- Monteth; y ) ET c-fao, utlzando la curva de Kc sguendo la metodología FAO. 1

17 ET c-it ET c-itcl -1-1 ET ESTIMADA, mm día ET ESTIMADA, mm día Estmados Regresón Estmados Regresón 0 R = 0,0 ET c-est = 0,0 ET c-ls + 0,1 R = 0,01 ET c-est = 0, ET c-ls -0, ET c-fao ET MEDIDA, mm díā 1 ET MEDIDA, mm día -1-1 ET ESTIMADA, mm día 0 R = 0, ET c-est = 0, ET c-ls + 1, 0 1 ET MEDIDA, mm día -1 Estmados Regresón

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

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

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.

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

Carlos de Gonzalo Aranoa. José Carlos Robredo Sánchez, Juan Ángel Mintegui Aguirre. Ávila, 21 de Septiembre de 2009

Carlos de Gonzalo Aranoa. José Carlos Robredo Sánchez, Juan Ángel Mintegui Aguirre. Ávila, 21 de Septiembre de 2009 Estmacón de la Intensdad de Precptacón Meda Superfcal a Través de Curvas de Intensdad- Área los Regstros Puntuales de la Red SAIH en la Provnca de Vzcaa. Carlos de Gonzalo Aranoa. José Carlos Roredo Sánchez,

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

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

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles

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

Regresión y Correlación Métodos numéricos

Regresión y Correlación Métodos numéricos Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El

Más detalles

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1 Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona

Más detalles

Pronósticos. Humberto R. Álvarez A., Ph. D.

Pronósticos. Humberto R. Álvarez A., Ph. D. Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

CALIBRACIÓN Y VALIDACIÓN DE MODELOS DE PRONÓSTICO DE HELADAS EN EL VALLE DEL MANTARO

CALIBRACIÓN Y VALIDACIÓN DE MODELOS DE PRONÓSTICO DE HELADAS EN EL VALLE DEL MANTARO CALIBRACIÓN Y VALIDACIÓN DE MODELOS DE PRONÓSTICO DE HELADAS EN EL VALLE DEL MANTARO Janeet Sanabra 1, Jerónmo García 2, Jean-Paul Lhomme 3 Servco Naconal de Meteorología e Hdrología SENAMHI RESUMEN Para

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

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

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

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

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:

EJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales: EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n

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

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO

DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Clascacón: Emtdo para Observacones de los Coordnados Versón: 1.0 DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Autor Dreccón de Operacón Fecha Creacón 06-04-2010 Últma Impresón 06-04-2010 Correlatvo

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

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que

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

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

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

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

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

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

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

COMPARACION DE LOS VALORES SATELITALES DEL SURFACE SOLAR ENERGY (SSE) DATA SET VERSION 1.0 CON DATOS DE TIERRA DE LA RED SOLARIMETRICA

COMPARACION DE LOS VALORES SATELITALES DEL SURFACE SOLAR ENERGY (SSE) DATA SET VERSION 1.0 CON DATOS DE TIERRA DE LA RED SOLARIMETRICA COMPARACION DE LOS VALORES SATELITALES DEL SURFACE SOLAR ENERGY (SSE) DATA SET VERSION 1.0 CON DATOS DE TIERRA DE LA RED SOLARIMETRICA H. Gross Gallegos Dvsón Físca, Departamento de Cencas Báscas, Unversdad

Más detalles

Análisis de Regresión y Correlación

Análisis 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 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

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices Estadístca Descrptva y Analss de Datos con la Hoja de Cálculo Excel úmeros Índces úmeros Índces El número índce es un recurso estadístco para medr dferencas entre grupos de datos. Un número índce se puede

Más detalles

T. 9 El modelo de regresión lineal

T. 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 detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS 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 detalles

Práctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun

Práctica 12 - Programación en C++ Pág. 1. Practica Nº 12. Prof. Dr. Paul Bustamante. Informática II Fundamentos de Programación - Tecnun Práctca 1 - Programacón en C++ Pág. 1 Práctcas de C++ Practca Nº 1 Informátca II Fundamentos de Programacón Prof. Dr. Paul Bustamante Práctca 1 - Programacón en C++ Pág. 1 INDICE ÍNDICE... 1 1.1 Ejercco

Más detalles

Cada uno da lo que recibe, Y luego recibe lo que da, Nada es más simple, No hay otra norma: Nada se pierde, Todo se transforma.

Cada uno da lo que recibe, Y luego recibe lo que da, Nada es más simple, No hay otra norma: Nada se pierde, Todo se transforma. Cada uno da lo que recbe, Y luego recbe lo que da, Nada es más smple, No hay otra norma: Nada se perde, Todo se transforma. Todo se transforma (Jorge Drexler, cantautor uruguayo) Estadístca Básca - Manuel

Más detalles

CONSUMO DE ENERGÍA CON BOMBAS DE VELOCIDAD VARIABLE

CONSUMO DE ENERGÍA CON BOMBAS DE VELOCIDAD VARIABLE CONSUMO DE ENERGÍA CON BOMBAS DE VELOCIDAD VARIABLE Sánchez Calvo R. 1, L. Juana Srgado 1, F. Laguna Peñuelas, A. Losada Vllasante 1, L. Rodríguez Snobas 1 y G. Castañón Lón 1 1 Profesores de Ingenería

Más detalles

ESTIMACIÓN DE LA FRACCIÓN DE SUELO CUBIERTO CON MAÍZ UTILIZANDO DATOS DEL SENSOR ESPECTRAL AQUA-MODIS

ESTIMACIÓN DE LA FRACCIÓN DE SUELO CUBIERTO CON MAÍZ UTILIZANDO DATOS DEL SENSOR ESPECTRAL AQUA-MODIS CAPÍTULO II ESTIMACIÓN DE LA FRACCIÓN DE SUELO CUBIERTO CON MAÍZ UTILIZANDO DATOS DEL SENSOR ESPECTRAL AQUA-MODIS INTRODUCCIÓN Dstntos aspectos estructurales de la canopa se utlzan para representar el

Más detalles

Hidrología superficial

Hidrología superficial Laboratoro de Hdráulca Ing. Davd Hernández Huéramo Manual de práctcas Hdrología superfcal 7o semestre Autores: Héctor Rvas Hernández Juan Pablo Molna Agular Rukmn Espnosa Díaz alatel Castllo Contreras

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 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 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

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

UNIDAD DE PLANEACIÓN MINERO ENERGÉTICA

UNIDAD 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 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 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

Oferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA

Oferta 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 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

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3

TÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3 PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO

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

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS RESUELTOS TEMA 2 EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

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

La adopción y uso de las TICs en las Microempresas Chilenas

La 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 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

2 Dos tipos de parámetros estadísticos

2 Dos tipos de parámetros estadísticos Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,

Más detalles

ESTIMACION DE LA HUMEDAD DEL SUELO PARA MAIZ DE TEMPORAL MEDIANTE UN BALANCE HIDRICO Soil Moisture Estimation for Rainfed Corn by Water Balance

ESTIMACION DE LA HUMEDAD DEL SUELO PARA MAIZ DE TEMPORAL MEDIANTE UN BALANCE HIDRICO Soil Moisture Estimation for Rainfed Corn by Water Balance ESTIMACION DE LA HUMEDAD DEL SUELO PARA MAIZ DE TEMPORAL MEDIANTE UN BALANCE HIDRICO Sol Mosture Estmaton for Ranfed Corn by Water Balance H. E. Flores L. 1 y J.A. Ruíz C. 2 RESUMEN La varabldad de la

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

REGRESION Y CORRELACION

REGRESION 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 detalles

MAREA DIURNA Y SEMIDIURNA EN LOS REGISTROS DE TIEMPO DE PRESION ATMOSFÉRICA SUPERFICIAL EN GUATAPE Y GIRARDOTA, ANTIOQUIA

MAREA DIURNA Y SEMIDIURNA EN LOS REGISTROS DE TIEMPO DE PRESION ATMOSFÉRICA SUPERFICIAL EN GUATAPE Y GIRARDOTA, ANTIOQUIA MAREA DIURNA Y SEMIDIURNA EN LOS REGISTROS DE TIEMPO DE PRESION ATMOSFÉRICA SUPERFICIAL EN GUATAPE Y GIRARDOTA, ANTIOQUIA Sara Crstna Vera Agudelo, Germán Poveda Jaramllo Posgrado en Aprovechamento de

Más detalles

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta. Rentas Fnanceras. Renta fracconada 6. RETA FRACCIOADA Una renta fracconada se caracterza porque su frecuenca no concde con la frecuenca de varacón del térmno de dcha renta. Las característcas de la renta

Más detalles

PRÁCTICA 10 CINÉTICA QUÍMICA I: DETERMINACIÓN DEL ORDEN DE REACCIÓN Y DE LA CONSTANTE DE VELOCIDAD

PRÁCTICA 10 CINÉTICA QUÍMICA I: DETERMINACIÓN DEL ORDEN DE REACCIÓN Y DE LA CONSTANTE DE VELOCIDAD PRÁCTICA 10 CINÉTICA QUÍMICA I: DETERMINACIÓN DEL ORDEN DE REACCIÓN Y DE LA CONSTANTE DE VELOCIDAD OBJETIVOS. Estudar la cnétca de una reaccón químca por el método de las velocdades ncales. Determnar los

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

Aplicación de tres modelos de estimación de la evapotranspiración a partir de imágenes Landsat e información de terreno

Aplicación de tres modelos de estimación de la evapotranspiración a partir de imágenes Landsat e información de terreno Aplcacón de tres modelos de estmacón de la evapotranspracón a partr de mágenes Landsat e nformacón de terreno Dora Ocampo 1,2 Raúl Rvas 1,2 Facundo Carmona 1,3 1 Insttuto de Hdrología de LLanuras Dr. Eduardo

Más detalles

Métodos Estadísticos de la Ingeniería Tema 3: Medidas Estadísticas Grupo B

Métodos Estadísticos de la Ingeniería Tema 3: Medidas Estadísticas Grupo B Métodos Estadístcos de la Ingenería Tema 3: Meddas Estadístcas Grupo B Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Enero 2010 Contendos...............................................................

Más detalles

Análisis de error y tratamiento de datos obtenidos en el laboratorio

Análisis 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 detalles

Correlación y regresión lineal simple

Correlación 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 detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

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

Economía Aplicada. Estimador de diferencias en diferencias. Ver Wooldridge cap.13. Departamento de Economía Universidad Carlos III de Madrid 1 / 19

Economía Aplicada. Estimador de diferencias en diferencias. Ver Wooldridge cap.13. Departamento de Economía Universidad Carlos III de Madrid 1 / 19 Economía Aplcada Estmador de dferencas en dferencas Departamento de Economía Unversdad Carlos III de Madrd Ver Wooldrdge cap.13 1 / 19 Análss de Polítca: Dferencas-en-Dferencas En muchos casos la varable

Más detalles

PLAN HIDROLÓGICO DE LA DEMARCACIÓN HIDROGRÁFICA DEL CANTÁBRICO OCCIDENTAL REVISIÓN Demarcación Hidrográfica del Cantábrico Occidental

PLAN HIDROLÓGICO DE LA DEMARCACIÓN HIDROGRÁFICA DEL CANTÁBRICO OCCIDENTAL REVISIÓN Demarcación Hidrográfica del Cantábrico Occidental PLAN HIDROLÓGICO DE LA DEMARCACIÓN HIDROGRÁFICA DEL CANTÁBRICO OCCIDENTAL REVISIÓN 2015-2021 Demarcacón Hdrográfca del Cantábrco Occdental Dcembre 2015 APÉNDICE II.1. DESCRIPCIÓN DEL MODELO UTILIZADO

Más detalles

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen

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

Tema 3: Procedimientos de Constrastación y Selección de Modelos

Tema 3: Procedimientos de Constrastación y Selección de Modelos Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes

Más detalles

7º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA 7º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA México D.F., 12 al 14 de Octubre de 2005

7º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA 7º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA México D.F., 12 al 14 de Octubre de 2005 7º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA 7º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA Méxco D.F., 1 al 14 de Octubre de 005 ANÁLISIS DINÁMICO DE UN EQUIPO DE ENSAYO DE AMORTIGUADORES Zabalza

Más detalles

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.

Más detalles

APENDICE A. El Robot autónomo móvil RAM-1.

APENDICE 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 detalles

Aproximación empírica para el diseño de planes de muestreo simple por atributos bajo inspección normal basados en las

Aproximación empírica para el diseño de planes de muestreo simple por atributos bajo inspección normal basados en las http://ngenera.ute.edu.ec/enfoqueute/ e-issn: 1390 6542 / p-issn: 1390-9663 Recbdo (Receved): 2015/05/02 Aceptado (Accepted): 2015/06/11 CC BY-NC-ND 3.0 Aproxmacón empírca para el dseño de planes de muestreo

Más detalles

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.

1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,. º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:

Más detalles

Capítulo Estimación del modelo de Nelson y Siegel Introducción Estimación del modelo de Nelson y Siegel

Capítulo Estimación del modelo de Nelson y Siegel Introducción Estimación del modelo de Nelson y Siegel Capítulo 4... 91 Estmacón del modelo de Nelson y Segel... 91 4.1. Introduccón... 91 4.2. Estmacón del modelo de Nelson y Segel... 92 4.2.1. Tratamento prevo a la estmacón... 92 4.2.2. Defncón del crtero

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. 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 detalles

1. INTRODUCCIÓN RESUMEN

1. INTRODUCCIÓN RESUMEN ANÁLISIS ESPECTRAL DE TEMPERATURAS MEDIAS PARA EL DEPARTAMENTO DE COCHABAMBA MARKO J. ANDRADE 1, IVAN E. FUENTES 1 & FRANCISCO CHOQUE 1 1 DEPARTAMENTO DE FISCA UNIVERSIDAD MAYOR DE SAN SIMON COCHABAMBA

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

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

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

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 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 detalles

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo, Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos

Más detalles

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

Más detalles

Economía de la Empresa: Financiación

Economía 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 detalles

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla. EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente

Más detalles

Simposio de Metrología 25 al 27 de Octubre de 2006

Simposio de Metrología 25 al 27 de Octubre de 2006 Smposo de Metrología 25 al 27 de Octubre de 2006 ESTIMACIÓN DE INCERTIDUMBRE EN LA MEDICIÓN DE ABSORCIÓN DE HUMEDAD EN AISLAMIENTOS Y CUBIERTAS PROTECTORAS DE CONDUCTORES ELÉCTRICOS POR EL MÉTODO ELÉCTRICO

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

6 Impacto en el bienestar de los beneficiarios del PAAM

6 Impacto en el bienestar de los beneficiarios del PAAM 6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda

Más detalles