Diseño o de Entradas. Autor: Dr. Juan Carlos Gómez ISIS 2
|
|
- Rafael Coronel Iglesias
- hace 8 años
- Vistas:
Transcripción
1 Identificación n de SIStemas Diseño o de Entradas Ator: Dr. Jan Carlos Gómez Un reqisito fndamental de las entradas para n experimento de identificación es el de persistencia de excitación de las mismas. Es decir las entradas deben contener n número sficiente de armónicas, de manera de excitar a todos lo modos dinámicos del sistema qe se qieren identificar. Para el diseño de las entradas deben considerarse algnos hechos: Con el enfoqe de Error de Predicción, las propiedades asintóticas de las estimas (desvio y varianza) dependen del espectro de la entrada y no de la forma de onda de la misma. Usalmente hay restricciones en la amplitd qe pede tomar la entrada, i.e. ( n. min ) Las entradas periódicas peden tener ciertas ventajas. ISIS max
2 Factor de de Cresta La matriz de covarianza de la estima es típicamente inversamente proporcional al espectro de densidad de energía de la señal de entrada, por lo qe para tener na covarianza peqeña se debería tener na entrada con na densidad de energía a lo más s alta posible. En la práctica, las entradas están limitadas en amplitd, i.e. ( n. min ) max Las propiedades deseadas de la entrada peden definirse en términos del denominado factor de cresta C r, definido como C r max lim N N n = N para na señal con media cero. ( n) ( n) ISIS 3 n= () Una bena forma de onda sería entonces na qe tenga n factor de cresta bajo. Claramente, la cota inferior teórica es, qe se logra para señales binarias simétricas ( n) = ± Este tipo de señales tienen entonces na ventaja teórica, por lo qe son my sadas en identificación. Es necesario aclarar, sin embargo, qe señales binarias no peden sarse para identificar no linealidades a la entrada del sistema (por ejemplo, modelos Hammerstein) ya qe la salida de la no linealidad sería tambien binaria y no podría identificarse la no linealidad a partir de esta señal. max ISIS 4
3 Señales de de Entrada más m s comnes Rido Blanco Gassiano Filtrado (de Banda Limitada) Señales Aleatorias Binarias (RBS) Señales Psedo Aleatorias Binarias (PRBS) Sma de Sinsoides Señales Chirp o Swept Escalones ISIS 5 Rido Blanco Gassiano Filtrado (de Banda Limitada) (BLWN) Eligiendo apropiadamente el filtro (lineal) pede lograrse na señal con espectro arbitrario (qe no tenga bandas de paso demasiado estrechas). Como la señal aleatoria Gassiana es en teoría no acotada, debe satrarse a na cierta amplitd. Eligiendo esa amplitd de satración igal a 3 desvios estándar, reslta n factor de cresta igal a 3, y sólo n % en promedio de las mestras es afectado, lo qe reslta en na distorsión baja del espectro. ISIS 6
4 idinpt x=idinpt(0000,'rgs',[0. 0.5],[- ]); Longitd de la señal Señal aleatoria Gassiana Banda de Frecencias x=idinpt(0000,'rgs',[0. 0.5],[- ]); ]); N=00000; % número de de frecencias FFT FFT w=[-pi:*pi/n:pi-*pi/n]; plot(w,0*log0(abs(fftshift(fft(x.*hanning(length(x)),n))))) ISIS X(w) db pi 0.5 pi w [rad/seg] Figra : Espectro de la señal Gassiana ISIS 8
5 Señales Psedo Aleatorias Binarias (PRBS) Son señales qe asmen sólo dos valores. Una señal PRBS es na señal periódica, determinística qe tiene propiedades similares al rido blanco. Pede generarse a partir de la ecación en diferencias ( a ( n ) + + a ( n ), ) ( n) = rem k k donde rem(x,) es el resto de la división de x por. La señal (n) sólo pede asmir los valores 0 y. El vector de entradas pasadas [ ( n ),, ( n k) ] pede asmir sólo k valores diferentes, por lo qe la secencia ISIS 9 () (n) será periódica con período como máximo k. Considerando qe na secencia de todos ceros haría qe todos los sbsigientes valores feran cero, el período máximo qe pede obtenerse es = k. El período real de la señal qeda determinado por los valores de los coeficientes a i. Pede probarse qe para cada valor k existen valores de los a i qe dan secencias de período máximo. A esas secencias de período máximo se las denomina aximm Length PRBS. La tabla sigiente mestra los valores de k para los cales es a k = (los restantes coeficientes son nlos) y qe generan PRBS de máxima longitd (Davis, 970). ISIS 0
6 Tabla : Coeficientes para generación de señales PRBS de máxima longitd. Orden k = k a k = para k,, 3, 4, 5, 6 3, 7,, 7,8 4, 9 7, 0 9, ISIS Pede probarse qe calqier señal PRBS de máxima longitd, y qe conmta entre los valores ±, tiene las sigientes propiedades estadísticas de primero y segndo orden n= ( n) = (3) R () = n= ( n) ( n + ) = = 0, ±, ±, c. o. c. (4) Donde = k, es el período máximo de la señal, y las smas se realizan con continación periódica de la señal. Notar qe la señal no tiene exactamente media cero por lo qe s fnción de covarianza difiere de la fnción de atocorrelación en (4). ISIS
7 El espectro de la señal reslta Φ ( ω) = = = k = R e jω () e = R ( + k ) jωk = 0 R k = = 0 jω ( + k ) e e jω e jωk qe pede aproximarse por π Φ k = ( ) ( ) ω = δ ω π k, 0 ω < π (5) ISIS 3 El espectro posee picos (exceptando el pico en (ω = 0)) en la región. π ω < π Esto mestra qe las señales PRBS de máxima longitd se comportan como rido blanco periódico y tienen persistencia de excitación de orden. Es esencial tilizar períodos completos de la señal para qe tenga las características espectrales mencionadas. Esto es a diferencia de las señales aleatorias, donde no tiene qe confiar en la Ley de Grandes Números para tener benas propiedades de segndo orden con número finito de mestras. Las señales PRBS tienen n factor de cresta óptimo (igal a ). Diferentes valores iniciales cando se genera la señal de acerdo a () sólo corresponden a n desplazamiento de la secencia, por lo qe no es claro como generar secencias PRBS mtamente no correlacionadas ISIS 4
8 idinpt x=idinpt(6383, prbs',[0 ],[- ]); Longitd de la señal Señal PRBS Banda de Frecencias Niveles x=idinpt(6383, prbs',[0 ],[- ]); ]); N=00000; % número de de frecencias FFT FFT w=[-pi:*pi/n:pi-*pi/n]; plot(w,0*log0(abs(fftshift(fft(x.*hanning(length(x)),n))))) ISIS 5 Sma de senoides (lti-sines) d n ( ) = acos n+ k = ( ω φ ) k k k (6) El espectro reslta de la forma d a Φ = + + k ( ω) π δ ( ω ω ) δ ( ω ω ) k k k = 4 (7) Estas señales tienen la ventaja de qe se pede localizar la energía del espectro my precisamente en las frecencias deseadas. ISIS 6
9 El problema qe presentan es el factor de cresta, qe reslta de n valor hasta d (si todos los ak son igales). Una manera de controlar el factor de cresta es elegir las fases φ k de manera qe los cosenos estén lo más fera de fase posible. Una solción a esto es la denominada fase de Schroeder, qe distribye la fase según (Schroeder, 970) φ arbitraria kk ( ) φk = φ π ; k d d (8) con todos los coeficientes a k igales. ISIS 7 Señales Chirp: Una señal chirp es na senoide con na frecencia qe cambia en forma contina en na cierta banda de frecencias ω ω ω en n intervalo de tiempo 0 t T, es decir: ( ) ( ) = cos ω + ( ω ω ) / ( ) t A t t T (9) La frecencia instantánea de la señal se obtiene derivando respecto al tiempo al argmento del coseno, y reslta t ωi = ω+ ω ω T ( ) Pede verse qe la frecencia instantánea crece linealmente con el tiempo desde hasta. ω ISIS 8 ω (0)
10 La señal chirp tiene n factor de cresta igal al de na senoide pra, es decir, y permite n ben control de la banda de frecencias de excitación. chirp x = chirp(t,f0,t,f) T: vector con los instantes de tiempo en qe se mestrea la señal chirp F0:frecencia instantánea en Hz en el tiempo 0 F:frecencia instantánea en Hz en el tiempo T ISIS 9 Ejemplo: F = 50 Hz ; F = 300 Hz ; F = 000 Hz ; T = 0 seg 0 s Fs Fs = 000; 000; T T = 0; 0; F0 F0 = 50; 50; F F = 300; 300; x = chirp([0:/fs:t]',f0,t,f); N = 00000; F=[-0.5:/N:0.5-/N]*Fs; plot(f,0*log0(abs(fftshift(fft(x.*hanning(length(x))),n)))) ISIS 0
11 X(F) db Frecencia [Hz] Figra : Espectro de la señal chirp ISIS
IDENTIFICACIÓN DE SISTEMAS ASPECTOS PRÁCTICOS EN IDENTIFICACIÓN
IDENTIFICACIÓN DE SISTEMAS ASPECTOS PRÁCTICOS EN IDENTIFICACIÓN Ing. Fredy Ruiz Ph.D. ruizf@javeriana.edu.co Maestría en Ingeniería Electrónica Pontificia Universidad Javeriana 2013 CONSIDERACIONES PRÁCTICAS
Más detallesSEÑALES Y ESPECTROS SEÑALES Y ESPECTROS 1
SEÑALES Y ESPECTROS INTRODUCCIÓN. TERMINOLOGÍA USADA EN TRANSMISIÓN DE DATOS. FRECUENCIA, ESPECTRO Y ANCHO DE BANDA. DESARROLLO EN SERIE DE FOURIER PARA SEÑALES PERIÓDICAS. TRANSFORMADA DE FOURIER PARA
Más detallesVECTORES. Copia en un papel cuadriculado los cuatro vectores siguientes:
a c VECTORES Página REFLEXIONA Y RESUELVE Mltiplica vectores por números Copia en n papel cadriclado los catro vectores sigientes: d Representa: a a c Expresa el vector d como prodcto de no de los vectores
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesTEMA 5 VECTORES EN EL ESPACIO MATEMÁTICAS II 2º Bach. 1
TEMA 5 VECTORES EN EL ESPACIO MATEMÁTICAS II º Bach. TEMA 5 VECTORES EN EL ESPACIO 5. LOS VECTORES Y SUS OPERACIONES DEINICIÓN Un ector es n segmento orientado. Un ector extremo B. Elementos de n ector:
Más detalles1.2 TÉCNICAS DE LA DERIVACIÓN.
. TÉCNICAS DE LA DERIVACIÓN... DERIVACIÓN DE FUNCIONES ALGEBRAICAS Generalmente la derivación se lleva acabo aplicando fórmlas obtenidas mediante la regla general de la derivación y qe calclaremos a continación,
Más detallesMatemática Aplicada a la Economía. Toma de decisiones en la elección de los riesgos
Matemática Aplicada a la Economía. Toma de decisiones en la elección de los riesgos Este artíclo se basa en el capítlo III ( Elección en condiciones de incertidmbre ) de la obra Microeconomía, del profesor
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesOBJETIVOS: Definir Límites. Realizar demostraciones formales de límites. Describir gráficamente los límites. Calcular límites.
Cap. Límites de Fnciones. LÍMITE EN UN PUNTO. LÍMITES LATERALES. TEOREMAS SOBRE LÍMITES.4 CÁLCULO DE LÍMITES.5 LÍMITES AL INFINITO.6 LÍMITES INFINITOS.7 OTROS LÍMITES OBJETIVOS: Definir Límites. Realizar
Más detallesRECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)
Caracterización de las fuentes y formación de escalas de tiempo Rec. UIT-R TF.538-3 1 RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)
Más detallesCAPITULO 4. Inversores para control de velocidad de motores de
CAPITULO 4. Inversores para control de velocidad de motores de inducción mediante relación v/f. 4.1 Introducción. La frecuencia de salida de un inversor estático está determinada por la velocidad de conmutación
Más detallesAnálisis espectral de señales periódicas con FFT
Análisis espectral de señales periódicas con FFT 1 Contenido 7.1 Introducción a la Transformada Discreta de Fourier 3-3 7.2 Uso de la Transformada Discreta de Fourier 3-5 7.3 Método de uso de la FFT 3-8
Más detallesAnálisis Estadístico de Datos Climáticos
Análisis Estadístico de Datos Climáticos SERIES TEMPORALES 3 (Análisis espectral) 2015 Dominio temporal vs. dominio de frecuencias Son dos enfoques para encarar el análisis de las series temporales, aparentemente
Más detallesVECTORES EN EL ESPACIO
VECTORES EN EL ESPACIO Para poder isalizar los elementos de R 3 ={(x,y,z)/x,y,z R}, primero fijamos n sistema de coordenadas, eligiendo n pnto en el espacio llamado el origen qe denotaremos por O, y tres
Más detallesJuan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada
FUNCIONES CONOCIDAS. FUNCIONES LINEALES. Se llaman funciones lineales a aquellas que se representan mediante rectas. Su epresión en forma eplícita es y f ( ) a b. En sentido más estricto, se llaman funciones
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesSeries y Transformada de Fourier
Series y Transformada de Fourier Series de Fourier Transformada de Fourier Series de Fourier Las series de Fourier describen señales periódicas como una combinación de señales armónicas (sinusoides). Con
Más detallesPrecio del alquiler de pisos durante una serie de meses. Evolución del índice del precio del trigo con mediciones anuales.
Series Temporales Introducción Una serie temporal se define como una colección de observaciones de una variable recogidas secuencialmente en el tiempo. Estas observaciones se suelen recoger en instantes
Más detallesProcesamiento de Señales basado en Wavelets Notas de Clase - Parte VI
Procesamiento de Señales basado en Wavelets Notas de Clase - Juan Carlos Gómez 1 1 Laboratorio de Sistemas Dinámicos y Procesamiento de la Información FCEIA, Universidad Nacional
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesTRABAJO PRACTICO No 7. MEDICION de DISTORSION EN AMPLIFICADORES DE AUDIO ANALIZADORES DE ESPECTRO DE AUDIO
TRABAJO PRACTICO No 7 MEDICION de DISTORSION EN AMPLIFICADORES DE AUDIO ANALIZADORES DE ESPECTRO DE AUDIO INTRODUCCION TEORICA: La distorsión es un efecto por el cual una señal pura (de una única frecuencia)
Más detallesEXAMEN DE INGENIERÍA DE SISTEMAS Y AUTOMÁTICA 02/09/2008
EXAMEN DE INGENIERÍA DE SISTEMAS Y AUTOMÁTICA 2/9/28 EJERCICIO I (25%) Se dispone de un ventilador de cuatro velocidades. Dichas velocidades son accionadas respectivamente por la señales V, V2, V, V4.
Más detallesPRÁCTICA 2 CINEMÁTICA DEL MOVIMIENTO RECTILÍNEO
INGENIERÍA QUÍMICA 1 er curso FUNDAMENTOS FÍSICOS DE LA INGENIERÍA PRÁCTICA 2 CINEMÁTICA DEL MOVIMIENTO RECTILÍNEO Departamento de Física Aplicada Escuela Politécnica Superior de la Rábida. II. Movimiento
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesTema 5. Aproximación funcional local: Polinomio de Taylor. 5.1 Polinomio de Taylor
Tema 5 Aproximación funcional local: Polinomio de Taylor Teoría Los polinomios son las funciones reales más fáciles de evaluar; por esta razón, cuando una función resulta difícil de evaluar con exactitud,
Más detalles4 Localización de terremotos
513430 - Sismología 27 4 Localización de terremotos 4.1 Localización de sismos locales Fig 27: Gráfico de la ruptura en la superficie de una falla. La ruptura se propaga desde el punto de la nucleación,
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema Representación gráfica de funciones reales de una variable real Elaborado
Más detalles"Uso del Logotipo y de la Marca de Acreditación"
OFICINA DE ACREDITACION GUATEMALA, C.A. Procedimiento "" - Elaborado por Aprobado por Fecha de Vigencia No. de Revisión Alexander Pineda, Dberly Barillas, Erik Alvarado Alexander Pineda 2011-08-12 6 Código
Más detallesJorge Pontt O. Adolfo Paredes P.
Capítlo 2: EL TRANSFORMADOR niversidad Técnica Federico Santa María ELO 281 Sistemas Electromecánicos Jorge Pontt O. Adolfo Paredes P. 1 2.4 Transformadores Trifásicoss 2.4.1 Principio de fncionamiento.
Más detallesDescripción: dos. función. decreciente. Figura 1. Figura 2
Descripción: En éste tema se utiliza la primera derivada para encontrar los valores máximo y mínimo de una función, así como para determinar los intervalos en donde la función es creciente o decreciente,
Más detallesTema 3: Variables aleatorias y vectores aleatorios bidimensionales
Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos
Más detallesDeterminación experimental de la respuesta en frecuencia
Determinación experimental de la respuesta en frecuencia Análisis Dinámico de Sistemas (Teleco) Área de Ingeniería de Sistemas y Automática Escuela Politécnica Superior de Ingeniería Gijón Universidad
Más detallesIntroducción a la Teoría del Procesamiento Digital de Señales de Audio
Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Discreta Resumen Propiedades de la Transformada de Fourier Linealidad Comportamiento de la fase Naturaleza
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallesAlvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012
Contenido Motivación Métodos computacionales Integración de Montecarlo Muestreo de Gibbs Rejection Muestreo Importante Metropolis - Hasting Markov Chain Montecarlo Method Complemento ejemplos libro: Bayesian
Más detallesEstructuras algebraicas
Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota
Más detallesTRANSMISIÓN DIGITAL PRÁCTICA 1
TRANSMISIÓN DIGITAL PRÁCTICA Curso 7-8 Transmisión Digital Práctica Introducción Esta primera práctica trata de familiarizar al alumno con el lenguaje de programación Matlab, permitiéndole afrontar materias
Más detallesCómo vibran las estructuras? problemas dinámicos estructurales
Cómo vibran las estructuras? Uso de herramientas para resolver problemas dinámicos estructurales MC571 Vibraciones Mecánicas Análisis i Modal Estudio de las características naturales de las estructuras
Más detallesControl Automático. Introducción al filtro de Kalman. Ing. Gabriela Ortiz León
Control Automático Introducción al filtro de Kalman 1 Contenido Principio de funcionamiento Ecuaciones de predicción y actualización Proceso Ejemplo 2 Filtro Kalman Es un algoritmo desarrollado por Rupert
Más detallesEcuaciones Diferenciales Tema 2. Trasformada de Laplace
Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace
Más detallesTeoría de la Comunicación
Teoría de la Comunicación Enero 2009 Realice cada ejercicio en hojas separadas. No se permite uso de teléfono móvil. Escriba su nombre en todas las hojas. Indique claramente el apartado al que está respondiendo.
Más detallesRepresentación de señales de audio
Representación de señales de audio Emilia Gómez Gutiérrez Síntesi i Processament del So I Departament de Sonologia Escola Superior de Musica de Catalunya Curso 2009-2010 emilia.gomez@esmuc.cat 28 de septiembre
Más detallesEjemplo: Resolvemos Sin solución. O siempre es positiva o siempre es negativa. Damos un valor cualquiera Siempre + D(f) =
T1 Dominios, Límites, Asíntotas, Derivadas y Representación Gráfica. 1.1 Dominios de funciones: Polinómicas: D( = La X puede tomar cualquier valor entre Ejemplos: D( = Función racional: es el cociente
Más detallesÚltima modificación: 1 de agosto de 2010. www.coimbraweb.com
Contenido DOMINIOS DEL TIEMPO Y DE LA FRECUENCIA 1.- Señales analógicas y digitales. 2.- Señales analógicas periódicas. 3.- Representación en los dominios del tiempo y de la frecuencia. 4.- Análisis de
Más detalles12.2 Vectores Algunos de los factores que medimos están determinados simplemente por sus magnitudes. Por
. Vectores 665. Vectores Algnos de los factores qe medimos están determinados simplemente por ss magnitdes. Por ejemplo, para registrar la masa, la longitd o el tiempo sólo necesitamos escribir n número
Más detallesTRABAJO PRACTICO 6 MEDICIONES CON ANALIZADOR DE ESPECTRO DE RF
TRABAJO PRACTICO 6 MEDICIONES CON ANALIZADOR DE ESPECTRO DE RF INTRODUCCION TEORICA: El análisis de una señal en el modo temporal con ayuda de un osciloscopio permite conocer parte de la información contenida
Más detallesMódulo 9 Sistema matemático y operaciones binarias
Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional
Más detallesInversión. Inversión. Arbitraje. Descuento. Tema 5
Inversión Tema 5 Inversión Los bienes de inversión obligan a gastar hoy para obtener ganancias en el futuro Vamos a estudiar cómo se valoran los pagos futuros Por ejemplo, la promesa de recibir euro dentro
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesPARTE III OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS MODELADO E IDENTIFICACIÓN ASPECTOS A TENER EN CUENTA MODELADO IDENTIFICACIÓN OBTENCIÓN DE MODELOS
OBTENCIÓN DE MODELOS PARTE III OBTENCIÓN DE MODELOS 1. INFORMACIÓN SOBRE EL SISTEMA 1. EL PROPIO SISTEMA (OBSERVACIÓN, TEST) 2. CONOCIMIENTO TEÓRICO (LEYES DE LA NATURALEZA, EXPERTOS, LITERATURA, ETC.)
Más detalles12/06/2011 ONDAS SONORAS DEFINICION DE SONIDO. Para que existan las ondas sonoras deben existir perturbaciones o vibraciones en algún medio.
ONDAS SONORAS DEFINICION DE SONIDO Para que existan las ondas sonoras deben existir perturbaciones o vibraciones en algún medio. 1 En los fluidos (líquidos y gases) las ondas generadas son longitudinales
Más detalles3. LA DFT Y FFT PARA EL ANÁLISIS FRECUENCIAL. Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e
3. LA DFT Y FFT PARA EL AÁLISIS FRECUECIAL Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e invariantes en el tiempo), es la transformada de Fourier. Esta representación
Más detallesIntroducción a la Teoría del Procesamiento Digital de Señales de Audio
Introducción a la Teoría del Procesamiento Digital de Señales de Audio Transformada de Fourier Resumen el análisis de Fourier es un conjunto de técnicas matemáticas basadas en descomponer una señal en
Más detallesVATÍMETRO PARA MEDIDA DE LAS CARACTERÍSTICAS MAGNÉTICAS DE LOS NÚCLEOS DE TRANSFORMADORES Y MATERIALES BOBINADOS.
VATÍMETRO PARA MEDIDA DE LAS CARACTERÍSTICAS MAGNÉTICAS DE LOS NÚCLEOS DE TRANSFORMADORES Y MATERIALES BOBINADOS. El vatímetro proporciona medidas de precisión en tiempo real para las pérdidas en chapas
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesIngeniería de Requerimientos. Objetivos. Ingeniería de Requerimientos. Tópicos. Requerimientos Definición/Especificación. Qué es un Requerimiento?
Ingeniería de Reqerimientos Objetivos Estableciendo lo qe el cliente reqiere de n de Software. Ingeniería de SoftwareDiapositiva 1 Introdcción a la Noción de Ingeniería de Reqerimientos. Explicación de
Más detallesAplicaciones de Estadística Descriptiva
Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos
Más detallesM.A.S. Y MOV ONDULATORIO FCA 07 ANDALUCÍA
. La ecuación de una onda armónica que se propaga por una cuerda es: y (x, t) = 0,08 cos (6 t - 0 x) (S.I.) a) Determine el sentido de propagación de la onda, su amplitud, periodo, longitud de onda y velocidad
Más detallesAnálisis de medidas conjuntas (conjoint analysis)
Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los
Más detallesNociones básicas sobre adquisición de señales
Electrónica ENTREGA 1 Nociones básicas sobre adquisición de señales Elaborado por Juan Antonio Rubia Mena Introducción Con este documento pretendemos dar unas nociones básicas sobre las técnicas de medida
Más detallesPROBLEMA 1. 1. [1.5 puntos] Obtener la ecuación de la recta tangente en el punto ( 2, 1) a la curva dada implícitamente por y 3 +3y 2 = x 4 3x 2.
PROBLEMA. ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica en Diseño Industrial Fundamentos Matemáticos de la Ingeniería Soluciones correspondientes a los problemas del Primer Parcial 7/8.
Más detallesTema 5: Análisis conjunto y teoremas límite
Facultad de Economía y Empresa 1 Tema 5: Análisis conjunto y teoremas límite COCHES Se han analizado conjuntamente las variables número de hijos de cada familia (X) y número de coches por familia (Y),
Más detallesCAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION
CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION Como hemos dicho anteriormente, los instrumentos de medición hacen posible la observación de los fenómenos eléctricos y su cuantificación. Ahora
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
Más detallesPotencial eléctrico. du = - F dl
Introducción Como la fuerza gravitatoria, la fuerza eléctrica es conservativa. Existe una función energía potencial asociada con la fuerza eléctrica. Como veremos, la energía potencial asociada a una partícula
Más detalles8. Estimación puntual
8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores
Más detalles2 Resolución de algunos ejemplos y ejercicios del tema 2.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 8 2 Resolución de algunos ejemplos y ejercicios del tema 2. 2.1 Ejemplos. Ejemplo 13 La siguiente tabla de frecuencias absolutas corresponde a 200 observaciones
Más detallesEspacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Más detallesFunciones de varias variables
Funciones de varias variables Derivadas parciales. El concepto de función derivable no se puede extender de una forma sencilla para funciones de varias variables. Aquí se emplea el concepto de diferencial
Más detallesAnálisis técnico de una acción: Rentabilidad, riesgo y correlación
CONFORMACION DE PORTAFOLIO DE ACCIONES (Aplicación) GUIA DE APLICACIÓN No. 1 Análisis técnico de una acción: Rentabilidad, riesgo y correlación INTRODUCCION: Una bolsa de valores es un mercado donde se
Más detallesFUNCIONES CUADRÁTICAS Y RACIONALES
www.matesronda.net José A. Jiménez Nieto FUNCIONES CUADRÁTICAS Y RACIONALES 1. FUNCIONES CUADRÁTICAS. Representemos, en función de la longitud de la base (), el área (y) de todos los rectángulos de perímetro
Más detallesx 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos
Más detallesSe podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.
Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción
Más detallesEl concepto de integral con aplicaciones sencillas
El concepto de integral con aplicaciones sencillas Eliseo Martínez Marzo del 24 Abstract Este artículo trata de ejemplos sencillos del concepto de integral con aplicaciones a la Física, la Teoría de la
Más detallesProcesamiento Analógico de Señales
Procesamiento Analógico de Señales Departamento de Electrónica y Automática Facultad de Ingeniería Análisis de AC en SIMetrix Andrés Lage Angel Veca Mario Ruiz Edición 2013 Análisis de AC en SIMetrix Una
Más detalles3.- DETERMINANTES. a 11 a 22 a 12 a 21
3.- DETERMINANTES. 3.1. -DEFINICIÓN Dada una matriz cuadrada de orden n, se llama determinante de esta matriz (y se representa por A o deta al polinomio cuyos términos son todos los productos posibles
Más detallesGeneración de números aleatorios
Generación de números aleatorios Marcos García González (h[e]rtz) Verano 2004 Documento facilitado por la realización de la asignatura Métodos informáticos de la física de segundo curso en la universidad
Más detalles1. Dominio, simetría, puntos de corte y periodicidad
Estudio y representación de funciones 1. Dominio, simetría, puntos de corte y periodicidad 1.1. Dominio Al conjunto de valores de x para los cuales está definida la función se le denomina dominio. Se suele
Más detallesTRANSFORMADA DE LAPLACE
TRANSFORMADA DE LAPLACE DEFINICION La transformada de Laplace es una ecuación integral que involucra para el caso específico del desarrollo de circuitos, las señales en el dominio del tiempo y de la frecuencia,
Más detallesCORRELACIÓN Y PREDICIÓN
CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una
Más detallesResumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración
5053 Martes, 9 de abril Ramificación y acotamiento () Entregas: material de clase Resumen de técnicas para resolver problemas de programación entera Técnicas de enumeración Enumeración completa hace una
Más detallesPruebas de. Hipótesis
Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
Más detallesNo hay resorte que oscile cien años...
No hay resorte que oscile cien años... María Paula Coluccio y Patricia Picardo Laboratorio I de Física para Biólogos y Geólogos Depto. de Física, FCEyN, UBA - 1999 Resumen: En el presente trabajo nos proponemos
Más detallesTratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA
Tratamiento y Transmisión de Señales Ingenieros Electrónicos SEGUNDA PRÁCTICA NOTA: en toda esta práctica no se pueden utilizar bucles, para que los tiempos de ejecución se reduzcan. Esto se puede hacer
Más detallesEstacionalidad. Series de tiempo. Modelos econométricos. Modelos econométricos. Q= T Kα Lβ
Estacionalidad Qué es la estacionalidad? La estacionalidad es una componente que se presenta en series de frecuencia inferior a la anual (mensual, trimestral,...), y supone oscilaciones a corto plazo de
Más detallesLa relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota
La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota INTRODUCCIÓN En este experimento voy a relacionar el tiempo que tarda una pelota en rebotar 6 veces desde distintas
Más detallesCircuito RL, Respuesta a la frecuencia.
Circuito RL, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (133268) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se estudia
Más detallesInstituto de Física Facultad de Ingeniería Universidad de la República PROBLEMA 1
EXEN - Física General 30 de jlio de 004 VERSIÓN Considere: g = 9,8 m/s R = 8,345 J / mol K PROBLE Una mestra de n mol de gas ideal encerrado en na cámara experimenta el ciclo mostrado en la figra, donde
Más detallesSeries de Tiempo. Una Introducción
Series de Tiempo. Una Introducción Series de Tiempo Muchas veces, sobretodo para realizar pronósticos, resulta conveniente no suponer un modelo explícito para que explique la variables de interés, sino
Más detallesTecnología de las Comunicaciones
Tema 3. El dominio de la frecuencia. Aspectos teórico-prácticos para la construcción de un cañón de energía bioetérea Francisco Sivianes Castillo Departamento de Tecnología Electrónica Escuela Técnica
Más detallesTema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11
Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales
Más detalles8.2.2. Intervalo para la media (caso general)
182 Bioestadística: Métodos y Aplicaciones 100 de ellos se obtiene una media muestral de 3 kg, y una desviación típica de 0,5 kg, calcular un intervalo de confianza para la media poblacional que presente
Más detallesCircuito RC, Respuesta a la frecuencia.
Circuito RC, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (13368) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se armó un
Más detallesNaturaleza binaria. Conversión decimal a binario
Naturaleza binaria En los circuitos digitales sólo hay 2 voltajes. Esto significa que al utilizar 2 estados lógicos se puede asociar cada uno con un nivel de tensión, así se puede codificar cualquier número,
Más detallesREGRESION simple. Correlación Lineal:
REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)
Más detallesMERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II
MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II 28 febrero de 2012 Javier Marchamalo Martínez Universidad Rey Juan Carlos SABER INTERPRETAR LOS RATIOS SIGNIFICATIVOS EN LA GESTIÓN POR BENCHMARK Ratio
Más detallesIntroducción a la Teoría de Probabilidad
Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento
Más detallesPráctica 5: Modulaciones digitales
TEORÍA DE LA COMUNICACIÓN 2009/10 EPS-UAM Práctica 5: Modulaciones digitales Apellidos, nombre Apellidos, nombre Grupo Puesto Fecha El objetivo de esta práctica es familiarizar al alumno con los principios
Más detalles