Sólo cuando la exactiud de dos algoritmos que realizan la misma tarea es comparable, tiene sentido hablar de la eficiencia computacional.
|
|
- Beatriz de la Fuente Rico
- hace 6 años
- Vistas:
Transcripción
1 II.6. Validación de técnicas automáticas de análisis de imágenes médicas [Handbook of medical image analysis volumen 2. Cap.10: Validation of medical image analysis techniques, K.W. Bowyer.] La validación consiste en la medición (evaluación cuantitativa) del desempeño de un algoritmo de procesamiento y análisis de imágenes. La evaluación del desempeño tiene dos aspectos principales: la eficiencia computacional; y la exactitud del algoritmo. En ésta sección presentamos algunas de las técnicas principales para evaluar la exactitud de un algoritmo de análisis de imágenes. Que nos permitirán hacer afirmaciones del tipo: El algoritmo A es mejor que el algoritmo B para la detección de tumores cancerosos de mama ó El algoritmo A es mejor que el algoritmo B para registro de imágenes de TAC y RMN del cerebro Sólo cuando la exactiud de dos algoritmos que realizan la misma tarea es comparable, tiene sentido hablar de la eficiencia computacional. Cuál es el valor práctico de una afirmación sobre el desempeño (exactitud) de un algoritmo de análisis de imágenes? Consideraremos dos respuestas posibles: Las afirmaciones sobre desempeño sirven como base para la comparación de algoritmos Las afirmaciones sobre desempeño sirven para predecir de manera confiable el funcionamiento de un algoritmo cuando se utilize en cierta aplicación clínica. Existen varios problemas que limitan el valor práctico de las afirmaciones sobre el desempeño de un algoritmo de análisis de imágenes, por ejemplo: validación realizada en un conjunto de datos demasiado pequeño el conjunto de datos de validación no es representativo del problema clínico real métricas de desempeño mal especificadas métodos de entrenamiento y validación inapropiados Durante el resto de la sección presentaremos algunos métodos que contribuyen a realizar afirmaciones con valor práctico sobre el desempeño de un algoritmo de análisis de imágenes. Tipos de problemas de análisis de imágenes Problemas de medición y estimación. En este tipo de problemas el objetivo es medir alguna propiedad de la imagen de entrada y el resultado es usualmente un escalar ó un vector. Por ejemplo, el objetivo puede ser medir el área o el volumen de una anormalidad en una imagen, ó
2 calcular la transformación necesaria para registrar dos imágenes. Problemas de clasificación o detección. En general el objetivo será clasificar la imagen como normal o anormal sin la necesidad de especificar una región dentro de la imagen. En este sentido, este tipo de problemas son un subconjunto del problema más general de segmentación de imágenes. Problemas de segmentación de imágenes. Involucran la división de una imagen en un conjunto de regiones diferentes, de acuerdo a una medida de similitud. Las métricas de desempeño para éste tipo de problemas son generalmente más complejas que las utilizadas en los problemas anteriores. Existen dos versiones del problema de segmentación, en la segmentación genérica de bajo nivel el objetivo es producir descripciones del contenido de una imagen. En el problema de detección y localización de anormalidades el objetivo de encontrar todas las regiones de una imagen que contienen una anormalidad. II.6.1. Métricas básicas de desempeño Métricas para problemas de medición Cuando el objetivo es calcular el valor de alguna cantidad escalar o vectorial, es usual el utilizar alguna medida de error relativo respecto de algún valor de referencia calculado con un método independiente: error relativo= (valor medido- valor de referencia)/valor de referencia Métricas para problemas de detección Positivos y Negativos falsos y verdaderos Curva caracterísitica de recepción del operador (ROC) Métricas para segmentación de imágenes Existen 5 condiciones que pueden darse cuando se compara el resultado de un algoritmo de segmentación con una imagen segmentada de referencia (p.e. Segmentación manual de un experto) Segmentación correcta de una región de interés. Esto se da cuando el traslape entre la región segmentada automáticamente y la región correspondiente en la imagen de referencia cumple con cierto umbral mínimo T. Sobre-segmentación de una región. Se da cuando varias regiones de la imagen segmentada automáticamente, corresponden a una sola región de la imagen de referencia. Cada región individual de la imagen segmentada tiene al menos T por ciento de traslape con la región
3 correspondiente en la imagen de referencia. Sub-segmentación de una región. Esto se da cuando varias regiones de la imagen de referencia corresponden a una sola región de la imagen segmentada automáticamente. Cada región individual de la imagen de referencia debe tener al menos T por ciento de traslape con la región única segmentada automáticamente. Región faltante. Esto se da cuando una región anotada en la imagen de referencia no corresponde con alguna región válida de la imagen segmentada automáticamente. Región producida por ruido. Este tipo de regiones aparecen en la imagen segmentada y no corresponden a ninguna región de la imagen de referencia. M. Sonka and J.M. Fitzpatrick (Eds), Handbook of Med. Ima. vol.2, SPIE Press, Usualmente un tipo de error en una región de la imagen, por ejemplo sobre-segmentación, puede mejorarse al empeorar otro tipo de error en otra región, por ejemplo sub-segmentación. Mediante el ajuste de los parámetros del algoritmo. Aumentar el umbral de traslape T usualmente resulta en un menor número de regiones segmentadas consideradas válidas. Las dos consideraciones anteriores sugieren evaluar el desempeño de un algoritmo de segmentación utilizando una familia de gráficas de desempeño en función del umbral T (Fig.10.8)
4 M. Sonka and J.M. Fitzpatrick (Eds), Handbook of Med. Ima. vol.2, SPIE Press, La evaluación de una sola región segmentada automáticamente es más simple. Por ejemplo la segmentación del ventriculo izquierdo del corazón se puede evaluar comparando contra la anotación manual (por un experto) del ventrículo. Existen varias maneras de hacer la evaluación: a) medición del traslape entre las dos regiones anotadas b) medidas basadas en la distancia normal entre los dos contornos: error medio cuadrático, distancia media absoluta, distancia máxima absoluta, etc. c) otras medidas. Por ejemplo la distancia de Hausdorff (h) de un contorno segmentado (CS) a un contorno de referencia (CR) se define como: h CS, CR =max [ min d cs, cr ] cs CS cr CR donde cs y cr son puntos de los contornos CS y CR, y d(cs, cr) es cualquier métrica entre éstos puntos, por simplicidad se utiliza frecuentemente la distancia euclidiana La definición de h tiene orientación es decir: h(cs,cr) h(cr, CS) Una definición mas general de la distancia de Hausdorff entre dos conjuntos de puntos (contornos) y que es la que usualmente se utiliza es: H (CS, CR) = max {h (CS, CR), h (CR, CS)} Ejemplos:
5 II.6.2. Métodos de entrenamiento y evaluación
6 El entrenamiento se refiere al trabajo que se realiza durante el desarrollo y ajuste de párametros de un algoritmo de análisis de imágenes. La evaluación se refiere a la estimación del desempeño (principalmente la exactitud) del algoritmo. La métrica de desempeño puede variar dependiendo de la aplicación: segmentación, registro, detección. Pero el objetivo de la evaluación es siempre producir un estimado sin sesgo del desempeño del algoritmo. El principio básico del entrenamiento y la evaluación es que ambos deben realizarse en conjuntos de datos que no se intersecten. Una (mala) práctica común consiste en modificar el algoritmo para mejorar los resultados sobre el conjunto de evaluación. Una vez hecho esto debería, evaluarse el desempeño sobre un nuevo conjunto de datos y no sobre el conjunto de evaluación original. Esto se conoce como evaluar sobre datos de entrenamiento. El desempeño de un algoritmo evaluado de ésta forma producirá resultados demasiado optimistas. El segundo aspecto más importante de una metodología de entrenamiento y evaluacion apropiada consiste en hacer el mejor uso de conjuntos de datos que usualmente son limitados, debido a varios factores: costos necesidad de utilizar datos representativos (pocos positivos entre un gran número de negativos) necesidad de contar con datos de referencia anotados por uno o varios expertos En las subsecciones siguientes asumimos que se cuenta con un número apropiado de ejemplos de referencia (p.e. imágenes anotadas por un experto). Mitad y mitad Cuando contamos con un buen número de ejemplos anotados, es posible dividir el conjunto en dos partes y utilizar una mitad para entrenamiento y la otra para evaluación. Una evaluación más completa se puede lograr entrenando y validando con ambas mitades. Los resultados de validación finales se forman con el promedio de las dos mitades. La división de los datos en mitades debe hacerse de forma aleatoria, y cada mitad debe mantener las proporciones de ejemplos positivos y negativos, representativas de la situación clínica. Deje uno fuera (leave one out) Con ésta tecnica de entrenamiento y validación, se maximiza el uso del conjunto de datos. Un conjunto de N ejemplos se divide N veces en un conjunto de entrenamiento de N-1 ejemplos y un sólo ejemplo de validación. El algoritmo se entrena y evalua N veces sobre particiones distintas de los datos. Los resultados finales de evaluacion se obtienen promediando los
7 resultados de los N ejemplos de evaluación. Validación cruzada de n-modos La validación cruzada es una generalización del método anterior. Se separa un porcentaje del conjunto de datos, que se utiliza para evaluación y el resto se utiliza para entrenamiento. La partición se repite tantas veces como sea posible, p.e. podemos dividir de 10 maneras distintas un conjunto en 10% evaluacion y 90% entrenamiento. Igual que antes los resultados finales de evaluación se calculan como el promedio sobre todos los conjuntos evaluados. La selección de un técnica de entrenamiento y evaluación depende de la cantidad de ejemplos anotados disponibles y del tiempo que toma el entrenamiento. En general, el desempeño de un sistema será mejor mientras más grande sea el un conjunto de datos de entrenamiento. Las mejoras en el desempeño no se comportan de manera lineal con resepcto al tamaño del conjunto de datos de entrenamiento. Cuando el conjunto es muy pequeño, ligeros incrementos en los datos pueden proporcionar mejoras notables en el desempeño. Mientras que para conjuntos grandes los incrementos en el conjunto de datos de entrenamiento producen mejoras poco significativas.
8 M. Sonka and J.M. Fitzpatrick (Eds), Handbook of Med. Ima. vol.2, SPIE Press, II.6.3. Aspectos prácticos Recordemos que el objetivo de la evaluación de un sistema de análisis de imágenes es producir una especificación de desempeño (exactitud) con el menor sesgo posible, que nos permita: 1. Comparar varios sistemas entre si, utilizando la especificación respectiva 2. Predecir el desempeño del sistema durante su uso clínico En ésta seccción presentamos algunos de los factores que reducen la validez de una especificación.
9 Podemos agrupar éstos factores en 4 categorias principales: sesgo optimista introducido en los datos; artefactos producidos por el sensor de imágenes; criterios de detección subjetivos; problemas con las imágenes de referencia. Uso de datos sintéticos. Se puede producir imágenes sintéticas utilizando algún modelo computacional del proceso de adquisición de imágenes. Usualmente se producen imagenes sintéticas de dificultad variable mediante la adición de ruido sobre una imagen original. Tambienn es posible simular anormalidades mediante el procesamiento de una imagen normal. En cualquier caso la utilidad de las imágenes sintéticas se limita a las pruebas de corrección de un algoritmo en su etapa de desarrollo. Cualquier evaluación del desempeño del algoritmo debe realizarse sobre las mismas imágenes (datos) que se producen en la aplicación clínica. Conjuntos de datos con dificultad variable Existen diferentes maneras en las que un conjunto de datos puedn incluir algún sesgo que produzca resultados optimistas. La condición básica es el tamaño del conjunto, en general los conjuntos de datos pequeños son más simples y el análisis automático produce mejores resultados. Aún los conjuntos de datos grandes pueden presentar un nivel muy diferente de dificultad de análisis. Esto depende de factores como la población de la que se tomaron los datos, o de la introducción de un sesgo al muestrear los datos. La mejor forma de comparar el desempeño de dos sistemas diferentes es evaluarlos en el mismo conjunto de datos. Una buena forma de medir el desempeño de un sistema es evaluarlo en varios conjuntos grandes de datos construidos de manera independiente. Conjuntos de datos filtrados de forma inadvertida Es usual descartar casos raros cuando se forma un conjunto de datos. Entonces si en la prática clínica se presenta uno de éstos casos raros, el comportamiento del sistema será impredecible.
10 M. Sonka and J.M. Fitzpatrick (Eds), Handbook of Med. Ima. vol.2, SPIE Press, La mejor manera de formar el conjunto de datos es tomarlos todos del flujo clínico, sin descartar nada. Artefactos específicos del sensor de imágenes Es importante tener en cuenta la posible existencia de artefactos introducidos durante la adquisición de un conjunto de imágenes. Por ejemplo en la Fig se muestran algunos artefactos introducidos durante la digitalización de placas de mamografía.
11 M. Sonka and J.M. Fitzpatrick (Eds), Handbook of Med. Ima. vol.2, SPIE Press, Criterios de detección subjetivos En cualquier situación en la que una anormalidad ocupa una región definidad dentro de una imagen. Es necesario establecer criterios objetivos para realizar la comparación de los resultados automáticos contra la imagen de referencia anotada por un experto. Para esto las regiones de una anormalidad deben estar anotadas en ambas imágenes de manera compatible para realizar la comparación (muchas veces se anotan igual). La cuantificación de la correspondencia entre los resultados automáticos y del experto de be hacerse de forma automática y utilizando métricas apropiadas (que al menos puedan justificarse).
12 La Fig. siguiente ilustra el criterio de 50% de traslape entre la región detectada automáticamente y la imagen de referencia (anotada por un experto) M. Sonka and J.M. Fitzpatrick (Eds), Handbook of Med. Ima. vol.2, SPIE Press, Metodología deficiente de entrenamiento y evaluación Como se mencionó antes, el error más común en la evaluación de un sistema de análisis de imágenes, consiste en modificar los parámetros del sistema en base a los resultados obtenidos sobre el conjunto de datos de evaluación. Si es éste el caso nuestro conjunto de evaluación se vuelve un conjunto de entrenamiento y la evaluación del sistema se debe reportar en otro conjunto de datos diferente. Otro posible problema ocurre cuando se producen varias imágenes de un mismo paciente, p.e. cortes tomográficos (RMN, TAC, US), ó varias vistas (mamografia). En estos casos la división de conjunto de datos en entrenamiento/evaluación debe realizarse por paciente y no por imagen. Todas las imágenes de un paciente deben incluirse ya sea como datos de entrenamiento ó como datos de evaluación. Problemas relacionados con las imágenes de referencia Existen 3 aspectos importantes en un conjunto de imágenes de referencia:
13 1. Cuál es el nivel de detalle necesario? 2. Como disminuir los errores de categorización 3. Cuál es el nivel del error de cuantización? El nivel de detalle necesario está relacionado con el propósito del análisis de las imágenes. Por ejemplo la base de datos DDSM (Digital Database for Screening Mamography) utiliza 4 categorias de alto nivel: normal, benigno sin requerir analisis adicional, benigno que requiere analisis adicional, maligno. A su vez los casos identificados como malignos se clasificaron de acuerdo a los términos de BI-RADS del colegio de radiologia de EU. El primer nivel de clasificación del tumor es: masa ó calcificación; Las masas se pueden describir de acuerdo a la forma y los márgenes. Las calcificaciones se pueden describir de acuerdo al tipo (p.e. microcalcificaciones) y la distribución (p.e. radial). El nivel de detalle descrito se considera apropiado para desarrollar sistemas de diagnóstico de cáncer de mama asistido por computadora. Los problemas de categorización, son los errores introducidos en un conjunto de datos con respecto a la clase a la que pertenece una imagen (benigna/maligna). Estos errores se pueden introducir por un manejo descuidado de la informacion o por una valoración equivocada del experto. Una manera de reducir la valoración equivocada consiste en repetir la anotación de la imagen un cierto tiempo posterior a la primera anotación si las anotaciones coinciden se toman los datos como válidos. Existe otro tipo de error de categorización debido a la incertidumbre sobre la clase a la que pertenece una imagen (benigna/maligna), que se presenta cuando la información sobre una anormalidad no permite identificarla con certeza. Finalmente la variabilidad cuantitativa de un conjunto de imágenes de referencia se debe a las variaciones que se presentan en cualquier conjunto de medidas realizadas por expertos humanos. En el caso de la anotación por un sólo experto existe un error de quantización intra-observador, y en el caso de varios expertos tenemos además un error entre-observadores (inter-observer).
14 M. Sonka and J.M. Fitzpatrick (Eds), Handbook of Med. Ima. vol.2, SPIE Press, 2000.
15 Conclusión de la sección La realización de especificaciones exactas y sin sesgo sobre la exactitud de un sistema de análisis de imágenes médicas es una tarea difícil. Sin embargo la comparación entre diferentes sistemas (algoritmos) puede hacerse más sencilla y confiable si los investigadores siguen algunas recomendaciones: Primero reporte la evaluación sobre un conjunto público de datos, siempre que sea posible. Si su conjunto de datos presenta retos nuevo hagalo público de ser posible. Segundo especifique claramente los criterios de detección (para deteminar la presencia de positivos) utilizados durante la evaluacion de la exactitud. Tercero, especifique claramente los métodos de entrenamiento y evaluación utilizados. Si contamos con conjuntos de datos, criterios de detección y métodos de entrenamiento y evaluación comunes a dos ó mas sistemas diferentes. La comparación entre sistemas será muy exacta y confiable. Sin embargo la estimación del desempeño de los mismos sistemas en una aplicación clinica real, sigue siendo poco exacta o confiable. Ya que para lograr alta exactitud necesitamos que los conjuntos de datos utilizados sean representativos de la situación clinica real durante periodos largos. En general la estimación del desempeño clínico de los sistemas de análisis de imágenes médicas es un área que requiere todavia esfuerzos importantes. BIBLIOGRAFIA S.S. Reddi, S.F. Rudin, H.R. Kevashan (1984), An optimal multiple threshold scheme for image segmentation, IEEE Trans. On Systems Man and Cybernetics, 14, pp N. Otsu (1979), A threshold selection method from gray-level histograms, IEEE Trans. On Systems Man and Cybernetics, 9, 1, pp Cootes T.F., Taylor C.J. (2001), Statistical models of appearance for computer vision, Technical report, Wolfson Image Analysis Unit, University of Manchester, UK. Maintz J.B.A., Vergiever M.A. (1998), A survey of medical image registration, Med. Image Anal., vol.2, pp.136. Cootes T.F., Taylor C.J., Cooper D.H., Graham J., Active shape models -Their training and application. Comput. Vision Image Understanding 61,
SEGMENTACIÓN AUTOMÁTICA DE TEJIDOS CEREBRALES EN MRI MULTIESPECTRALES MEDIANTE CLASIFICACIÓN POR MÍNIMA DISTANCIA EUCLÍDEA
42 Jornadas Argentinas de Informática 4 Congreso Argentino de Informática y Salud Facultad de Matemática, Astronomía y Física Universidad Nacional de Córdoba Córdoba, Argentina SEGMENTACIÓN AUTOMÁTICA
Más detallesDetección automática de nódulos pulmonares en tomografía computarizada: Evaluación sobre bases de datos independientes.
Detección automática de nódulos pulmonares en tomografía computarizada: Evaluación sobre bases de datos independientes. Poster no.: S-0805 Congreso: SERAM 2012 Tipo del póster: Presentación Electrónica
Más detallesUn método de caracterización del patrón de color en la elastografia de nódulos mamarios.
Un método de caracterización del patrón de color en la elastografia de nódulos mamarios. Poster no.: S-1431 Congreso: SERAM 2012 Tipo del póster: Presentación Electrónica Científica Autores: F. Sendra
Más detallesMedir con cámaras infrarrojas
El pie diabético es una degeneración de la estructura vascular de los pies. Surge a partir de que se produce un engrosamiento vascular y el flujo sanguíneo se atrofia. Con el paso del tiempo se forman
Más detallesTécnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO
Técnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO 2 Objetivo El objetivo principal de las técnicas de clasificación supervisada es obtener un modelo clasificatorio válido para permitir tratar
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detalles6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES
6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES Dante Guerrero-Chanduví Piura, 2015 FACULTAD DE INGENIERÍA Área departamental de Ingeniería Industrial y de Sistemas Esta obra está bajo una licencia Creative
Más detallesMODULO VIII. Semana 1 ASPECTOS DE EVALUACIÓN FINANCIERA, ECONÓMICA, SOCIAL Y AMBIENTAL.
MODULO VIII Semana 1 ASPECTOS DE EVALUACIÓN FINANCIERA, ECONÓMICA, SOCIAL Y AMBIENTAL Esquema de Proyecto SNIP INDICE INTRODUCCION I. ASPECTOS GENERALES II. IDENTIFICACION III. FORMULACION IV. EVALUACION
Más detalles4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC: A continuación se muestran los objetivos así como los mapas funcionales según la línea de acentuación y la línea
Más detallesHERRAMIENTAS DE CALIDAD EN PROCESOS METROLÓGICOS
HERRAMIENTAS DE CALIDAD EN PROCESOS METROLÓGICOS Ing. Claudia Santo Directora de Metrología Científica e Industrial 17/05/2016 MEDELLÍN, COLOMBIA MEDIR Cómo sabemos que nuestras meciones son correctas?
Más detalles1. Análisis de Sensibilidad
1. Análisis de Sensibilidad Considerando que la evaluación de los proyectos se basa en proyecciones de variables económicas, es lógico pensar que existe un factor de incertidumbre en los indicadores financieros
Más detallesImportancia del test psicométrico y psicotécnico.
Nombre: Ma. Mercedes Ramos Importancia del test psicométrico y psicotécnico. Es larga la polémica sobre los llamados test mentales. Desde sus comienzos los test sirvieron para medir el llamado coeficiente
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesTaller: Planificación con Matriz de Marco Lógico. Vólker Gutiérrez Aravena Presidente Cultura Mapocho
Taller: Planificación con Matriz de Marco Lógico Vólker Gutiérrez Aravena Presidente Cultura Mapocho Elementos centrales de la Planificación Estratégica Qué es? Una poderosa herramienta de diagnóstico,
Más detallesBIOESTADISTICA ( ) Evaluación de pruebas diagnósticas. 1) Características del diseño en un estudio para evaluar pruebas diagnósticas.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Evaluación de pruebas diagnósticas CONCEPTOS CLAVE 1) Características del diseño en un estudio para evaluar pruebas
Más detallesEn escenarios de incertidumbre: Medir para tomar decisiones.
Seminario: En escenarios de incertidumbre: Medir para tomar decisiones. Jorge Manzi Director MIDE UC Por qué es central la medición y evaluación para las organizaciones? Usted se ha preguntado alguna vez?
Más detallesIMPORTANCIA DE LOS ENSAYOS DE APTITUD TRATAMIENTO ESTADÍSTICO DE LOS RESULTADOS
IMPORTANCIA DE LOS ENSAYOS DE APTITUD TRATAMIENTO ESTADÍSTICO DE LOS RESULTADOS Dra. Celia Puglisi Lic. Jennifer Kavior Departamento de Metrología Científica e Industrial Servicio Argentino de Interlaboratorios
Más detallesCOEFICIENTE DE VARIACIÓN Y PUNTAJES TÍPICOS (Guía de clase) FICHA Nº 19
CEFICIENTE DE VARIACIÓN Y PUNTAJE TÍPIC A. Esta ficha de actividad tiene como objetivo presentar dos pequeños temas vinculados al uso conjunto de las medidas de tendencia y de dispersión que dan lugar
Más detallesUNIVERSIDAD AUTONOMA DE TLAXCALA
UNIVERSIDAD AUTONOMA DE TLAXCALA INTERACCION HUMANO COMPUTADORA MA. MARGARITA LABASTIDA ROLDAN EVALUACIONES DE LA USABILIDAD Inspección consistente. Listas de comprobación. Análisis de sistemas existentes.
Más detallesCáncer. Cáncer de mama. En más del 15% de los. es evitable gracias al auto examen.
En más del 15% de los casos el cáncer de mama es evitable gracias al auto examen. Cáncer Cáncer de mama El cáncer de mama es la causa más común de muerte por cáncer en mujeres de todo el mundo. En nuestro
Más detallesLOS SISTEMAS ADAPTATIVOS
0010100100100101010110010001 0101010001010100101000101 0010100011110010110010001 11111111111010100010101001010010100010101010101 0010100011110101010101011100101001001010101100100010010100011110101010001
Más detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesMANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
Más detalles3er Congreso Nacional de Auditoría Interna CONAI. Mayo 29, Las Tres Líneas de Defensa: Quién tiene que hacer qué?
3er Congreso Nacional de Auditoría Interna CONAI Mayo 29, 2014 Las Tres Líneas de Defensa: Quién tiene que hacer qué? 3er Congreso Nacional de Auditoría Interna CONAI 2014 Agenda Introducción Elementos
Más detalles6 DINAMICA DEL CUERPO RIGIDO
6 DINAMICA DEL CUERPO RIGIDO 6. CINEMATICA 6.. Configuracion de un Cuerpo Rígido: Angulos de Euler Un cuerpo rígido se puede entender como una distribución continua de materia que se subdivide en pequeños
Más detallesInstrumentos de medida. Estimación de errores en medidas directas.
Instrumentos de medida. Estimación de errores en medidas directas. Objetivos El objetivo de esta primera práctica es la familiarización con el uso de los instrumentos de medida y con el tratamiento de
Más detallesPROYECTO DE INVESTIGACIÓN
FACULTAD DE MEDICINA CLINICA ALEMANA UNIVERSIDAD DEL DESARROLLO CENTRO DE BIOÉTICA COMITÉ DE ÉTICA DE LA INVESTIGACIÓN Recepción: / / Código: (Uso Interno) PROYECTO DE INVESTIGACIÓN Título de Proyecto:.
Más detallesMediciones II. Todas las mediciones tienen asociada una incertidumbre que puede deberse a los siguientes factores:
Mediciones II Objetivos El alumno determinará la incertidumbre de las mediciones. El alumno determinará las incertidumbres a partir de los instrumentos de medición. El alumno determinará las incertidumbres
Más detallesMapeo de Procesos 2016
Mapeo de Procesos 2016 Mapeo de Procesos Es una metodología que permite elaborar una representación grafica de un proceso, mostrando la secuencia de tareas que se ejecutan. Favorece el análisis y la comunicación
Más detallesIng. Eduardo Cruz Romero w w w. tics-tlapa. c o m
Ing. Eduardo Cruz Romero eduar14_cr@hotmail.com w w w. tics-tlapa. c o m La estadística es tan vieja como la historia registrada. En la antigüedad los egipcios hacían censos de las personas y de los bienes
Más detallesRealización de Estudios Eléctricos. Índice 1. OBJETIVO 2 2. ALCANCE 2 3. RESPONSABLES 2 4. DESCRIPCIÓN DEL PROCEDIMIENTO 2 5.
1 de 8 Índice 1. OBJETIVO 2 2. ALCANCE 2. RESPONSABLES 2 4. DESCRIPCIÓN DEL PROCEDIMIENTO 2 4.1. REUNIÓN INICIAL CON EL CLIENTE 2 4.2. LEVANTAMIENTO DE NECESIDADES 4.. LEVANTAMIENTO DE EQUIPO 4.4. REALIZACIÓN
Más detallesEL RUIDO Y SU EVALUACIÓN
Por Mario Ramón Mancera Ruiz Asesor en Higiene y Seguridad Industrial http://www.manceras.com.co EL RUIDO Y SU EVALUACIÓN INTRODUCCIÓN Este artículo no pretende ser un manual sobre el ruido, no es un aporte
Más detallesMEDICIÓN OBJETIVOS. Fundamentos Teóricos. Medición. Cifras Significativas
OBJETIVOS MEDICIÓN Declarar lo que es una medición, error de una medición, diferenciar precisión de exactitud. Reportar correctamente una medición, con las cifras significativas correspondientes utilizando,
Más detallesESTÁNDAR INTERNACIONAL DE OTROS SERVICIOS DE ASEGURAMIENTO
ESTÁNDAR INTERNACIONAL DE OTROS SERVICIOS DE ASEGURAMIENTO DISTINTOS DE AUDITORIAS Y REVISIONES DE INFORMACIÓN FINANCIERA HISTÓRICA Conferencista Jenny Marlene Sosa Cardozo Docente ISAE 3000 TRABAJOS DE
Más detallesMETODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010
METODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010 SIMCE Unidad de Currículum y Evaluación Ministerio de Educación 2011 Índice 1. Antecedentes Generales 1 2. Metodología
Más detallesCampo Magnético en un alambre recto.
Campo Magnético en un alambre recto. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (133268) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se hizo pasar
Más detallesMETODOLOGÍA PARA LA DEFINICIÓN DE INDICADORES EN BASE A UN SISTEMA TURÍSTICO
METODOLOGÍA PARA LA DEFINICIÓN DE INDICADORES EN BASE A UN SISTEMA TURÍSTICO Características de un Observatorio Turístico Debe incluir la recopilación, análisis e interpretación de información relevante
Más detallesFICHA TÉCNICA DE ESTIMACIÓN FBKF TRIMESTRAL POR SECTORES INSTITUCIONALES Año base de referencia 1997
1 de 7 I.- Presentación: El Banco Central de Venezuela (BCV), en la búsqueda de fortalecer y ampliar la disponibilidad del conjunto de indicadores del país, ofrece al público para su análisis y seguimiento,
Más detallesGestión de los Riesgos del Proyecto
Áreas del conocimiento para la AP III Gestión de los Riesgos del Proyecto Basado en los estándares del PMI Ing. Fausto Fernández Martínez, MSc, MAP San José, Costa Rica - 2013 Realizar el Análisis Cualitativo
Más detalles08/10/2008. 1.Introducción
Herramientas de la Metrología en Sistemas de Calidad Seminario Aseguramiento de la Calidad de las Mediciones en los Procesos Industriales Sr. Rodrigo Ramos P. - Jefe LCPN-ME Rodrigo Miércoles Ramos 8 de
Más detallesWhite paper Un método para hacer corresponder entre candidatos y un puesto de trabajo Posiciones basadas en un modelado predictivo Presentado por:
White paper Un método para hacer corresponder entre candidatos y un puesto de trabajo Posiciones basadas en un modelado predictivo Presentado por: Introducción Si pregunta a dos directores de recursos
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesConceptos básicos estadísticos
Conceptos básicos estadísticos Población Población, en estadística, también llamada universo o colectivo, es el conjunto de elementos de referencia sobre el que se realizan las observaciones. El concepto
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesINVESTIGACIÓN DE MERCADOS
INVESTIGACIÓN DE MERCADOS LIC. EN ADMINISTRACIÓN DE EMPRESAS 1 Sesión No. 10 Nombre: Tamaño de la Muestra Contextualización Continuando el tema de muestreo, revisaremos ahora el cálculo de la muestra y
Más detallesPROCESOS INDUSTRIALES
PROCESOS INDUSTRIALES HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura METROLOGÍA 2. Competencias Planear la producción considerando los recursos tecnológicos, financieros,
Más detallesMETODOLOGÍA DE CONSTRUCCIÓN DE GRUPOS SOCIOECONÓMICOS Pruebas SIMCE 2012
METODOLOGÍA DE CONSTRUCCIÓN DE GRUPOS SOCIOECONÓMICOS Pruebas SIMCE 2012 Departamento de Pruebas Nacionales División de Evaluación de Logros de Aprendizaje AGENCIA DE CALIDAD DE LA EDUCACIÓN Índice 1.
Más detallesCÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES
OBJETIVOS CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES Reportar correctamente resultados, a partir del procesamiento de datos obtenidos a través de mediciones directas. INTRODUCCION En el capítulo de medición
Más detallesCongreso Nacional de Climaterio AMEC 2014
MASTOGRAFIA Y TOMOSINTESIS EN EL DIAGNOSTICO TEMPRANO DE CANCER DE MAMA. Congreso Nacional de Climaterio AMEC 2014 Hospital de Oncología. CMNS XXI. Radiología e Imagen. Dra. Eloisa Asia Sánchez Vivar.
Más detallesPuntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth
1 Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I Qué es la Puntuación Z? 2 Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones de una distribución normal, con el propósito
Más detallesMEDICIÓN Y PROPAGACIÓN DE ERRORES. Comprender el proceso de medición y expresar correctamente el resultado de una medida realizada.
LABORATORIO Nº 1 MEDICIÓN Y PROPAGACIÓN DE ERRORES I. LOGROS Comprender el proceso de medición y expresar correctamente el resultado de una medida realizada. Aprender a calcular el error propagado e incertidumbre
Más detalles3.1. Administración de la medición y de la información estratégica:
Unidad III Aspectos Generales Sobre la Gestión de la Calidad 3.1. Administración de la medición y de la información estratégica: Los siguientes criterios corresponden a la administración de la medición
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
Más detallesTema I. La computación en el profesional de la Ingeniería
Tema I. La computación en el profesional de la Ingeniería Objetivo: El alumno describirá el desarrollo de la computación y de los beneficios que esto conlleva, para poderla emplear en sus quehaceres académicos
Más detallesCURSO: TOMA DE DECISIONES BAJO RIESGO
MANAGEMENT CONSULTORES CURSO: TOMA DE DECISIONES BAJO RIESGO Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: mgm_consultas@mgmconsultores.com.ar
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesANEXO VI-Requisitos esenciales específicos de los contadores de gas y dispositivos de conversión volumétrica
ANEXO VI-Requisitos esenciales específicos de los contadores de gas y dispositivos de conversión volumétrica Los requisitos pertinentes aplicables del anexo IV, los requisitos específicos del presente
Más detallesTÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS. Adela del Carpio Rivera Doctor en medicina
TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS Adela del Carpio Rivera Doctor en medicina METODO Es el medio o camino a través del cual se establece la relación entre el investigador y el consultado para
Más detallesDOCUMENTO DE APOYO PARA PROYECTOS
DOCUMENTO DE APOYO PARA PROYECTOS Los ejemplos que a continuación se encuentran en este documento de apoyo al estudiante, tiene como objetivo dar una serie de ejemplos mínimos de algunas partes de los
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
Más detallesUso de encuestas para la evaluación de indicadores y medición de resultados en VIH/Sida
Uso de encuestas para la evaluación de indicadores y medición de resultados en VIH/Sida Dra. Virginia Moscoso Arriaza Médico Ms. Salud Pública-Epidemióloga Marzo 2012 Objetivos de la conferencia Explicar
Más detallesEVALUACION DE RESULTADOS INTRA-LABORATORIO. EDWIN GUILLEN Servicio Nacional de Metrología INDECOPI Simposio de Metrología Lima PERU - Mayo del 2010
EVALUACION DE RESULTADOS INTRA-LABORATORIO EDWIN GUILLEN Servicio Nacional de Metrología INDECOPI Simposio de Metrología Lima PERU - Mayo del 2010 1 EVALUACION DE RESULTADOS INTRA-LABORATORIO INTRODUCCION
Más detallesAnálisis de la estructura por sexo y edad de los censos de población
Análisis de la estructura por sexo y edad de los censos de población III REUNION REGIONAL SOBRE EVALUACIÓN Y ESTIMACIONES DEMOGRÁFICAS CON BASE EN INFORMACIÓN CENSAL Santiago de Chile, 22 al 26 de julio
Más detallesDirección de Calidad de los Servicios de Salud Programa Nacional de Garantía de Calidad de la Atención Médica
Estandarización de Procesos Asistenciales - Herramientas- Dra. Nora Castiglia Dra. Victoria Wurcel Lic. Giselle Balaciano Dirección de Calidad de los Servicios de Salud Programa Nacional de Garantía de
Más detallesLaboratorio de Física para Ingeniería
Laboratorio de para Ingeniería 1. Al medir la longitud de un cilindro se obtuvieron las siguientes medidas: x [cm] 8,45 8,10 8,40 8,55 8,45 8,30 Al expresar la medida en la forma x = x + x resulta: (a)
Más detallesComplejidad computacional (Análisis de Algoritmos)
Definición. Complejidad computacional (Análisis de Algoritmos) Es la rama de las ciencias de la computación que estudia, de manera teórica, la optimización de los recursos requeridos durante la ejecución
Más detallesTeoría de errores -Hitogramas
FÍSICA I Teoría de errores -Hitogramas Autores: Pablo Iván ikel - e-mail: pinikel@hotmail.com Ma. Florencia Kronberg - e-mail:sil_simba@hotmail.com Silvina Poncelas - e-mail:flo_kron@hotmail.com Introducción:
Más detallesTaller sobre el inventario de gases de efecto invernadero del GCE. Sector de la Energía Quema de Combustibles
Taller sobre el inventario de gases de efecto invernadero del GCE Nombre:. Sector de la Energía Quema de Combustibles 1. De conformidad con los parámetros que rigen la presentación de informes de la CMNUCC
Más detallesINSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA:
INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMATICAS. ASIGNATURA: MATEMATICAS. NOTA DOCENTE: EDISON MEJIA MONSALVE TIPO DE GUIA: CONCEPTUAL - EJERCITACION PERIODO GRADO FECHA N DURACION
Más detallesGLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos
Más detallesTERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO
TERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO PROCESO ANALÍTICO Conjunto de operaciones analíticas intercaladas que se
Más detallesPAUTAS PARA LA REALIZACIÓN DE PREINFORMES Y DEL INFORMES DEL LABORATORIO DE CIRCUITOS II
PAUTAS PARA LA REALIZACIÓN DE PREINFORMES Y DEL INFORMES DEL LABORATORIO DE CIRCUITOS II La preparación de una guía única para las prácticas de laboratorios de la materia circuitos II, tiene como finalidad
Más detallesLos Métodos de Valoración Indirecta (Costo De Viaje)
Los Métodos de Valoración Indirecta (Costo De Viaje) Método de Valoración de Bienes que no tienen un mercado definido. No existe información sobre precios ni demanda. La valoración se realiza por método
Más detallesNIVELES DE EVIDENCIA Y GRADOS DE RECOMENDACIÓN
NIVELES DE EVIDENCIA Y GRADOS DE RECOMENDACIÓN Lilisbeth Perestelo Pérez Julio José Galiano García Ana M. Perdomo Hernández M. Elisa de Castro Peraza Lo que caracteriza al hombre de ciencia no es la posesión
Más detallesGuía de Matemática Tercero Medio
Guía de Matemática Tercero Medio Aprendizaje Esperado: 1. Plantean y resuelven problemas que involucran ecuaciones de segundo grado; explicitan sus procedimientos de solución y analizan la existencia y
Más detallesMétodo de Análisis del Riesgo (Estudio del Calibrador Atributos)
Método de Análisis del Riesgo (Estudio del Calibrador Atributos) Resumen El Método de Análisis del Riesgo cuantifica la incertidumbre de un sistema de medición donde las observaciones consisten de atributos
Más detallesCifras significativas e incertidumbre en las mediciones
Unidades de medición Cifras significativas e incertidumbre en las mediciones Todas las mediciones constan de una unidad que nos indica lo que fue medido y un número que indica cuántas de esas unidades
Más detallesPrácticas de Ecología Curso 3 Práctica 1: Muestreo
PRÁCTICA 1: MUESTREO Introducción La investigación ecológica se basa en la medición de parámetros de los organismos y del medio en el que viven. Este proceso de toma de datos se denomina muestreo. En la
Más detallesSECCIÓN 3 PRESENTACION DE ESTADOS FINANCIEROS
SECCIÓN 3 PRESENTACION DE ESTADOS FINANCIEROS PRESENTACIÓN DE ESTADOS FINANCIEROS Los estados financieros son representaciones estructuradas basados en la situación financiera de la entidad el rendimiento
Más detallesProfra. Mejía Villegas Dalia REDE -03 Grupo: 106
COMPARACIÓN La comparación constituye el paso previo para establecer relaciones entre pares de características de personas, objetos, eventos o situaciones, las operaciones mentales implícitas en la comparación
Más detallesLa Evaluación Financiera de Proyectos de Informática
La Evaluación Financiera de Proyectos de Informática Cómo clasificar costos y beneficios? Cuáles son los costos y beneficios típicos de un proyecto de informática? Qué técnica es apropiada para evaluar
Más detallesGESTION DE INVENTARIOS
GESTION DE INVENTARIOS Inventarios El inventario tiene como propósito fundamental proveer a la empresa de materiales necesarios, para su continuo y regular desenvolvimiento, es decir, el inventario tiene
Más detallesOferta tecnológica: Método y equipo para medir la cantidad de gas o fluido supercrítico sorbido por una muestra
Oferta tecnológica: Método y equipo para medir la cantidad de gas o fluido supercrítico sorbido por una muestra Oferta tecnológica: Método y equipo para medir la cantidad de gas o fluido supercrítico sorbido
Más detallesDetección y Diagnóstico de Fallas por Medición y Análisis de Vibraciones
Monitoreo de Vibraciones Al monitorear la vibración y otras variables de la maquinaria industrial, se obtiene información que permite reducir costos por: paros de producción, reparaciones mayores y gastos
Más detallesNORMA ISO Introducción
Introducción NORMA ISO 2859-1 Objetivo: eliminar productos defectuosos. Esencial para el enfoque basado en hechos de los SGC dado que la calidad no puede generarse sólo mediante inspección El control puede
Más detallesMODELO IBEROAMERICANO DE EXCELENCIA EN LA GESTION
MODELO IBEROAMERICANO DE EXCELENCIA EN LA GESTION - 2005 ANEXO I. METODO DE EVALUACION Fundación Iberoamericana para la Gestión de la Calidad No. M-82584 FUNDACION INBEROAMERICANA PARA LA GESTION DE LA
Más detallesHemos clasificado a las pacientes en tres grupos, en función del método diagnóstico de la HDA:
Revisión de los casos diagnosticados de hiperplasia ductal atípica en nuestro hospital. Comparación de la histologia de la biopsia percutánea con la biopsia quirúrgica. Poster no.: S-0156 Congreso: SERAM
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesDECANATO DE ADMINISTRACIÓN Y CONTADURÍA CONTABILIDAD DE COSTOS II
DECANATO DE ADMINISTRACIÓN Y CONTADURÍA CONTABILIDAD DE COSTOS II PROGRAMA ACADÉMICO: ADMINISTRACION Y CONTADURIA AREA CURRICULAR: Formación Básica y Profesional SEMESTRE: Sexto CARÁCTER: Obligatorio NRO.
Más detallesVamos a profundizar un poco sobre los distintos tipos de datos que podemos introducir en las celdas de una hoja de cálculo
Tipos de datos. Vamos a profundizar un poco sobre los distintos tipos de datos que podemos introducir en las celdas de una hoja de cálculo Valores Constantes: Es un dato que se introduce directamente en
Más detallesBiomecánica del Movimiento (2º) Facultad de Ciencias del Deporte. Universidad de Castilla la Mancha. TEMA 5: ERRORES
Biomecánica del Movimiento (2º) 67 TEMA 5: ERRORES 1- Imprecisiones en las mediciones. Orígenes. Cómo darlas a conocer. 2- Tipos de errores. Error absoluto y error relativo. Sensibilidad y precisión. Error
Más detallesPROYECTO GRUPAL. GUIA DE LA ACTIVIDAD DE TRABAJO COLABORATIVO Muestreo y Estimación de Parámetros METODOLOGÍA. Procedimiento:
PROYECTO GRUPAL GUIA DE LA ACTIVIDAD DE TRABAJO COLABORATIVO Muestreo y Estimación de Parámetros Respetados Estudiantes, A continuación se dan las instrucciones necesarias para su participación en la actividad
Más detalles5. Cuáles son las actividades primarias de la producción de software
1. La clasificación de los recursos humanos son dos: - Personal con experiencia - Personal nuevo sin experiencia (novatos) 2. Cual son las ventajas y desventajas sobre esta clasificación Las ventajas es
Más detallesM. C. Felipe Santiago Espinosa
M. C. Felipe Santiago Espinosa Junio de 2008 Un sistema empotrado es un procesador, con sus elementos externos que desarrolla una función especifica de manera autónoma. Un sistema empotrado es un sistema
Más detallesPROCEDIMIENTO PARA LA REALIZACIÓN DE EVALUACIONES DE RIEGO POR ASPERSIÓN
PROCEDIMIENTO PARA LA REALIZACIÓN DE EVALUACIONES DE RIEGO POR 1. DEFINICIÓN Y OBJETIVOS... 2 2. CUÁNDO REALIZAR UNA EVALUACIÓN?... 2 3. MATERIAL NECESARIO PARA LA EVALUACIÓN... 3 4. EVALUACIÓN DE LOS
Más detallesCLASIFICACIÓN DE LA IMAGEN. Escuela de Ingeniería Civil y Geomática Francisco Luis Hernández Torres
CLASIFICACIÓN DE LA IMAGEN TÉCNICA QUE PERMITE LA IDENTIFICACIÓN DE LOS DIFERENTES OBJETOS O GRUPOS PRESENTES EN UNA IMAGEN MULTI-ESPECTRAL. MÉTODO NO SUPERVISADO MÉTODO SUPERVISADO El Desarrollo De Las
Más detallesMETODO ESTANDAR PARA EL PORCENTAJE DE PARTICULAS FRACTURADAS EN AGREGADOS
Gestor de Calidad Página: 1 de 6 1. Propósito Este método corresponde a una traducción significativamente equivalente de la norma ASTM D 5821 por lo cual no se valida, se realiza una confirmación del método
Más detallesUNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN. Tema: LA INTEGRAL DEFINIDA
UNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN Tema: LA INTEGRAL DEFINIDA La integral definida Anteriormente se mencionó que la Integral Indefinida da como resultado una familia de funciones
Más detalles