TEORIA DE LA DECISION DE BAYES
|
|
- Nieves Coronel Botella
- hace 6 años
- Vistas:
Transcripción
1 TEORIA DE LA DECISION DE BAYES 1
2 2
3 PROBABILIDAD A PRIORI 3
4 4
5 5
6 DENSIDAD DE PROBABILIDAD Además de la probabilidad a priori a menudo se tiene información adicional: el valor de la observación x que se va a clasificar. Ejemplo: Cómo etiquetaríamos a una persona cuya analítica indica que tiene 5 millones de glóbulos rojos? Hay yque considerar: Probabilidad a priori Valor de la observación 6
7 DENSIDAD DE PROBABILIDAD 7
8 DENSIDAD DE PROBABILIDAD 8
9 9
10 10
11 11
12 PROBABILIDAD A POSTERIORI 12
13 PROBABILIDAD A POSTERIORI 13
14 14
15 Efecto de la prob. a priori sobre la prob. a posteriori 15
16 REGLA DE CLASIFICACIÓN DE BAYES 16
17 17
18 18
19 19
20 20
21 Al considerar probabilidades a priori, las clases muy infrecuentes resultan castigadas 21
22 PROBLEMAS MULTICLASE CON PATRONES MULTIDIMENSIONALES REGLA DE CLASIFICACIÓN DE BAYES 22
23 FUNCIONES DISCRIMINANTES Y SUPERFICIES DE DECISIÓN Supongamos que existen g i (X) funciones discriminantes: Una función discriminante para la clase i (g i (X)) tiene la propiedad de que alcanza un mayor valor que cualquier otra función discriminantei i g j (X) para td todas las otras clases La regla de clasificación sería: Seleccionar w i si g i (X) >= g j (X) para todo j 23
24 FUNCIONES DISCRIMINANTES Y SUPERFICIES DE DECISIÓN Una posibilidad para considerar g i (X) es: g i (X)=P(w i X) o bien cualquier otra función equivalente: g i (X)=P(X w i ) π i Para un problema de clasificación en dos clases, la formulación se simplifica. Basta considerar: g(x)=g 1 (X)-g 2 (X) Siendo la regla de clasificación: Seleccionar w 1 si g(x) > 0 y w 2 si (x)<0 24
25 FRONTERA Y REGIONES DE DECISIÓN ENTRE 2 CLASES 25
26 FRONTERA Y REGIONES DE DECISIÓN ENTRE 2 CLASES 26
27 FRONTERA Y REGIONES DE DECISIÓN ENTRE 2 CLASES Influencia de la Probabilidad a Priori π i 27
28 ERROR EN LA CLASIFICACION C C 28
29 ERROR EN LA CLASIFICACION C C 29
30 ERROR EN LA CLASIFICACION C C MÍNIMO ERROR 30
31 ERROR EN LA CLASIFICACION EL ERROR NO ES EL MÍNIMO 31
32 ESTIMACIÓN DEL ERROR Y VERIFICACIÓN DE LOS RESULTADOS 32
33 ESTIMACIÓN DEL ERROR Y VERIFICACIÓN DE LOS RESULTADOS 33
34 ESTIMACIÓN DEL ERROR Y VERIFICACIÓN DE LOS RESULTADOS 34
35 35
36 ESTIMACIÓN POR RESUSTITUCIÓN 36
37 ESTIMACIÓN POR RESUSTITUCIÓN 37
38 ESTIMACIÓN POR CONJUNTO DE PRUEBA O TEST 38
39 ESTIMACIÓN POR CONJUNTO DE PRUEBA O TEST 39
40 ESTIMACIÓN POR VALIDACIÓN CRUZADA 40
41 ESTIMACIÓN POR VALIDACIÓN CRUZADA 41
42 ESTIMACIÓN POR VALIDACIÓN CRUZADA 42
43 VERIFICACIÓN DE RESULTADOS Matriz de confusión o Matriz de contingencia Presentación y análisis del resultado de una clasificación Matriz cuadrada de orden JxJ que tiene anexas filas y columnas auxiliares para contabilizar totales y otras métricas 43
44 VERIFICACIÓN DE RESULTADOS EJEMPLO DE MATRIZ DE CONFUSIÓN con 5 clases 44
45 VERIFICACIÓN DE RESULTADOS 45
46 VERIFICACIÓN DE RESULTADOS 46
47 1.Estructura de los sistemas de reconocimiento de patrones EJEMPLO DETALLADO DE UN SISTEMA DE RECONOCIMIENTO DE PATRONES 47
48 EJEMPLO SISTEMA DE RECONOCIMIENTO DE PATRONES PARA LA CONCESION O NO DE UN PRÉSTAMO BANCARIO Variables disponibles: Edad d Salario mensual Clases: Sí lo va a devolver (BUEN PAGADOR) No lo va a devolver (MOROSO) Se disponen de 20 ejemplos, 10 por cada clase 48
49 EJEMPLO 49
50 EJEMPLO 2 NO devuelve el prestamo 2 SI devuelve el prestamo No de indiv viduos No de indiv viduos Edad Edad 50
51 EJEMPLO 2 3 NO devuelve el prestamo SI devuelve el prestamo No de ind ividuos ividuos No de ind Salario mensual Salario mensual 51
52 EJEMPLO 2500 Concesion de prestamo NO devuelve el prestamo SI devuelve el prestamo 2000 Salario mensual Edad 52
53 EJEMPLO Probabilidad b d a priori: 0.5 para las 2 clases No se conocen las densidades de probabilidad de los atributos de cada clase, luego no utilizamos la regla de Bayes Clasificador utilizado: DISTANCIA EUCLIDEA A LA MEDIA DE CADA CLASE 53
54 EJEMPLO 2500 Concesion de prestamo NO devuelve el prestamo SI devuelve el prestamo 2000 (62, 1745) media CLASE SI Salario men nsual (33, 589) 500 media CLASE NO Edad 54
55 EJEMPLO 55
56 EJEMPLO MATRIZ DE CONFUSIÓN Clases 1 2 Total Éxito Error % 10% % 10% Total % 10% BONDAD MEDIA 56
ANÁLISIS DISCRIMINANTE
DEFINICIÓN: Cómo técnica de análisis de dependencia: Pone en marcha un modelo de causalidad en el que la variable endógena es una variable NO MÉTRICA y las independientes métricas. Cómo técnica de análisis
Más detallesGUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC)
GUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC) Curso Académico: 2015-2016 Programa: Centro: Universidad: Máster Universitario en Ingeniería Informática Escuela Politécnica Superior
Más detallesMaribel Martínez y Ginés Ciudad-Real Fichas para mejorar la atención MATRIZ DE LETRAS
MATRIZ DE LETRAS p q d b p p b n g b n w n w n n w b p q d b p q d n w n g b n p q p q p q d b p n g n g n g b n w n d b d b b p q d b b n b n n w n g b n p q p q p q d b p n g n g n g b n w n d b d b
Más detallesAprendizaje Automático para el Análisis de Datos GRADO EN ESTADÍSTICA Y EMPRESA. Ricardo Aler Mur
Aprendizaje Automático para el Análisis de Datos GRADO EN ESTADÍSTICA Y EMPRESA Ricardo Aler Mur TIPOS DE TAREAS, MODELOS Y ALGORITMOS ? Datos Entrenamiento Algoritmo Modelo Galaxia espiral TAREAS / MODELOS
Más detallesANÁLISIS DISCRIMINANTE (AD)
discrim_predictivo.doc 30//05 vgg ANÁLISIS DISCRIMINANTE (AD) Regresión con respuesta categórica Y Cómo depende Y de las variables X, X,... X p? cualitativa cuantitativas Planteamiento Predictivo del AD:
Más detallesTema 8. Fundamentos de Análisis discriminante
Máster en Técnicas Estadísticas Análisis Multivariante. Año 2008 2009. Profesor: César Sánchez Sellero. Tema 8. Fundamentos de Análisis discriminante 8.1. Introducción. Empezamos deniendo el problema discriminante.
Más detallesAnálisis Multivariante de Datos en Psicología. Ana María López Curso
Análisis Multivariante de Datos en Psicología Ana María López Curso 2006-2007 2007 Análisis Multivariante de Datos en Psicología Créditos teóricos: 2.5 Créditos prácticos: 2 PROGRAMA DE CONTENIDOS TEÓRICOS
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 detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesVIVIENDA TIPO VIVIENDA 109.152,00 COCHERA 18.192,00 TRASTERO 5.413,94 IVA 4% 5.310,32 TOTAL 138.068,26
90,00M2 UTILES A VIVIENDA 109.152,00 IVA 4% 5.310,32 TOTAL 138.068,26 A LA ENTREGA DE LLAVES 15.861,91 CUOTA MENSUAL PRESTAMO 25 AÑOS 478,61 CUOTA MENSUAL PRESTAMO 40 AÑOS 352,61 A LA ENTREGA DE LLAVES
Más detallesCurso de Postgrado en Herramientas Estadísticas Avanzadas: AGROPECUARIOS. Prof. Dr. José Perea Dpto. Producción Animal
Curso de Postgrado en Herramientas Estadísticas Avanzadas: ANÁLISIS MULTIVARIANTE PARA INVESTIGACIÓN EN SISTEMAS AGROPECUARIOS ANÁLISIS CLUSTER Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE
Más detallesTEMARIO PARA EL EXAMEN DE ACCESO A LA ESPECIALIDAD MATEMÁTICAS PARA E.S.O. Y BACHILLERATO DEL MÁSTER DE SECUNDARIA
TEMARIO PARA EL EXAMEN DE ACCESO A LA ESPECIALIDAD MATEMÁTICAS PARA E.S.O. Y BACHILLERATO DEL MÁSTER DE SECUNDARIA 1. Números naturales, enteros y racionales. Principio de inducción. Divisibilidad y algoritmo
Más detallesPorcentaje. Problemas sobre porcentaje. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx
Porcentaje Problemas sobre porcentaje www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 2007-2011 Contenido 1. Porcentajes 2 2. Porcentajes simplificado 4 3. Porcentajes especiales 5
Más detallesPor ejemplo, si se desea discriminar entre créditos que se devuelven o que presentan
Regresión Logística Introducción El problema de clasificación en dos grupos puede abordarse introduciendo una variable ficticia binaria para representar la pertenencia de una observación a uno de los dos
Más detallesIntroducción a la regresión ordinal
Introducción a la regresión ordinal Jose Barrera jbarrera@mat.uab.cat 20 de mayo 2009 Jose Barrera (UAB) Introducción a la regresión ordinal 20 de mayo 2009 1 / 11 Introducción a la regresión ordinal 1
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Estadistica. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Estadistica CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_05IQ_55001012_1S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación Centro
Más detalles4.12 Ciertos teoremas fundamentales del cálculo de probabilidades
1 de 9 15/10/2006 05:57 a.m. Nodo Raíz: 4. Cálculo de probabilidades y variables Siguiente: 4.14 Tests diagnósticos Previo: 4.10 Probabilidad condicionada e independencia de 4.12 Ciertos teoremas fundamentales
Más detallesRicardo Aler Mur CLASIFICADORES KNN-I
Ricardo Aler Mur CLASIFICADORES KNN-I En esta clase se habla del aprendizaje de modelos de clasificación y regresión basados en instancias o ejemplares. En concreto: Se define la clasificación y regresión
Más detallesRobots Autónomos. Depto. de Ciencia de la Computación e Inteligencia Artificial
Robots Autónomos Depto. de Ciencia de la Computación e Inteligencia Artificial Contenido Problema del mapeado Mapeado 2D Mapeado 3D Introducción al SLAM Mapeado topológico Construcción de mapas: Descripción
Más detallesSISTEMA DE AMORTIZACION. Tomado de : http://memoriasmatefinanciera.blogspot.com/2013/04/sistemade-amortizacion.html
SISTEMA DE AMORTIZACION Tomado de : http://memoriasmatefinanciera.blogspot.com/2013/04/sistemade-amortizacion.html DEFINICIÓN: La amortización es, desde el punto de vista financiero, el proceso de pago
Más detalles3. Clasificación no supervisada
3. El presente capítulo y el siguiente tratan de clasificación, es por ello que antes de abordar el tema específico de este capítulo, previamente se hará una introducción al tema de clasificación. 3.1
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 detallesPRÁCTICA 1.BASE DE DATOS ACCESS
ACTIVIDAD Nº 27 COMPLETO 12 EJERCICIO 1 PRÁCTICA 1.BASE DE DATOS ACCESS La Biblioteca municipal de una localidad lleva la gestión de préstamos de libros mediante el Sistema Gestor de Bases de Datos Access.
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesAprendizaje: Boosting y Adaboost
Técnicas de Inteligencia Artificial Aprendizaje: Boosting y Adaboost Boosting 1 Indice Combinando clasificadores débiles Clasificadores débiles La necesidad de combinar clasificadores Bagging El algoritmo
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detallesMinería de Datos. Índice. Raquel M. Crespo García. Julio Villena Román. Definición y conceptos Técnicas y modelos
Inteligencia en Redes de Comunicaciones Minería de Datos Raquel M. Crespo García Julio Villena Román {rcrespo, jvillena}@it.uc3m.es Índice Definición y conceptos Técnicas y modelos IRC - JVR, RCG - 1 1
Más detallesComputación Aplicada. Universidad de Las Américas. Aula virtual de Computación Aplicada. Módulo de Excel 2013 LIBRO 8
Computación Aplicada Universidad de Las Américas Aula virtual de Computación Aplicada Módulo de Excel 2013 LIBRO 8 Contenido TRABAJANDO CON FUNCIONES EN EXCEL 2013... 3 FUNCIONES FINANCIERAS... 4 FUNCIONES
Más detallesDISTRIBUCIONES BIDIMENSIONALES
La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento
Más detalles1.2.2. Técnicas estadísticas más utilizadas en la investigación
Contenido PRÓLOGO... 1. LA ESTADÍSTICA COMO HERRAMIENTA EN LA INVESTIGACIÓN TURÍSTICA 1.1. EL TURISMO Y LA ESTADÍSTICA... 2 1.1.1. El turismo... 2 1.1.2. La estadística... 4 1.2. LA ESTADÍSTICA Y LA INVESTIGACIÓN
Más detallesRepublica de Colombia. Gobernación de Santander
TABLA DE RETENCION DOCUMENTAL Versión 0 Página 1 de 10 PROCESO Gestión del Talento Humano Aprobación, reconocimiento y pago de auxilio funerario, pensión, indemnización y demás. OBJETIVO Aprobación, reconocimiento
Más detallesPERÚ. Ministerio de Economía y Finanzas. Dirección Nacional de Contabilidad Pública
PERÚ Ministerio de Economía y Finanzas Dirección Nacional de Contabilidad Pública 1 NIC-SP 19 PROVISIONES Y PASIVOS Y ACTIVOS CONTINGENTES 2 Una provisión deberá reconocerse cuando: a) La entidad tenga
Más detallesMétodos de Clasificación sin Métrica. Reconocimiento de Patrones- 2013
Métodos de Clasificación sin Métrica Reconocimiento de Patrones- 03 Métodos de Clasificación sin Métrica Datos nominales sin noción de similitud o distancia (sin orden). Escala nominal: conjunto de categorías
Más detallesCONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD
CONTENIDOS 1. Procesos Estocásticos y de Markov 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD 4. Comportamiento Estacionario de las CMTD 1. Procesos Estocásticos
Más detallesAprendizaje Supervisado K - Vecinos más cercanos Knn-Method
Aprendizaje Supervisado K - Vecinos más cercanos Knn-Method 10 10 Modelo general de los métodos de Clasificación Id Reembolso Estado Civil Ingresos Anuales 1 Sí Soltero 125K No 2 No Casado 100K No 3 No
Más detallesEjercicios sobre probabilidades y entropías
Ejercicios sobre probabilidades y entropías CTI: Lección 1, Primer teorema de Shannon (SCT) Ramiro Moreno Chiral Dpt. Matemàtica (UdL) 10 de febrero de 2010 CTI, lección 1 (Problemas) Ejercicios sobre
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesFunciones en Excel (I)
Funciones en Excel (I) Las Funciones de Búsqueda y Referencias Jose Ignacio González Gómez Departamento de Economía Financiera y Contabilidad - Universidad de La Laguna www.jggomez.eu INDICE 1 Para qué
Más detallesMunicipio de Celaya Administración Municipal Centralizada Fracción IV. Tabulador de Sueldos con percepciones y deducciones legales 2016
5 ABOGADO 603,52 18105,60 0,00 362,10 712,37 0,00 0,00 0,00 19180,07 2046,30 556,16 724,20 0,00 3326,66 15853,41 50 dias de salario anual * A partir de 50.0% 1 ABOGADO 802,11 24063,30 0,00 481,20 0,00
Más detallesColegio Decroly Americano Matemática 7th Core, Contenidos I Período
Matemática 7th Core, 2015-2016 Contenidos I Período 1. Sentido Numérico a. Identificar y escribir patrones. b. Escribir números en forma de exponentes. c. Escribir cantidades en notación científica. d.
Más detalles5.4. Manual de usuario
5.4. Manual de usuario En esta sección se procederá a explicar cada una de las posibles acciones que puede realizar un usuario, de forma que pueda utilizar todas las funcionalidades del simulador, sin
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesCONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesTema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto
Estadística Tema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................
Más detallesListas Desplegables (o Cuadros Combinados)
Listas Desplegables (o Cuadros Combinados) * Listas Desplegables (o Cuadros Combinados) NIVEL: AVANZADO (VER FICHERO DE EJEMPLO) Cuando realizamos un informe con mucha información, resulta muy útil tener
Más detallesTests Estadísticos. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas
Tests Estadísticos Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Introducción Considerar el experimento HARP: pal p,π,k,e... Objetivo: Medir la sección eficaz de producción de piones en función del
Más detallesINSTRUCCIONES PARA LA UTILIZACIÓN DEL CALCULADOR DE COSTE AMORTIZADO
INSTRUCCIONES PARA LA UTILIZACIÓN DEL CALCULADOR DE COSTE AMORTIZADO El calculador de coste amortizado es una herramienta que, partiendo de los datos relevantes de préstamos e instrumentos de deuda cuya
Más detallesInvestigación de Operaciones II
Investigación de Operaciones II Árbol de Decisión Teoría de Decisión B Probabilidad A priori A Caso de Estudio C Probabilidad A posteriori Sin información perfecta D E Maestro Ing. Julio Rito Vargas Avilés.
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detallesTablas de contingencia y contrastes χ 2
Tablas de contingencia y contrastes χ 2 Independencia Grados de Biología y Biología sanitaria M. Marvá e-mail: marcos.marva@uah.es Unidad docente de Matemáticas, Universidad de Alcalá 22 de noviembre de
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesUCA Facultad de Ciencias Económicas del Rosario. Auditoría. Programa de estudio. Plan 2013
UCA Facultad de Ciencias Económicas del Rosario Auditoría Programa de estudio Plan 2013 Unidad 1. La auditoría de estados financieros 1. La información financiera y la auditoría. 2. El papel del auditor
Más detallesFACTORIAL DE CORRESPONDENCIAS SIMPLES Y MÚLTIPLES CRIVISQ
PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS SIMPLES Y MÚLTIPLES EDU DUARDO CRIVISQ RIVISQUI PRESENTACIÓN DE LOS MÉTODOS DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS SIMPLES Y MÚLTIPLES
Más detallesSoftware Matemático Básico. Prácticas con GNU Octave. J. Rafael Rodríguez Galván
Software Matemático Básico. Prácticas con GNU Octave J. Rafael Rodríguez Galván 30 de junio de 2008 2 1 Capítulo Primera Práctica: Simulación de Hipotecas 1.1. Planteamiento Una hipoteca es un producto
Más detallesDESCRIPCION DEL CAMBIO Elaboración del Documento
2009-09-5 de 5 HISTORIAL DE CAMBIOS No. VERSION DESCRIPCION DEL CAMBIO Elaboración del Documento MOTIVO DEL CAMBIO FECHA N/A 5-09-2009 2009-09-5 2 de 5. OBJETIVO. Definir los pasos que se deben realizar
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 detalleswww.metroatech.com Información, Soporte y Ventas: comercial@metroatech.com
LINEA: BALANZAS ALTA PRECISION BALANZA ALTA PRECISION MODELO METLI/ 31 CODIGO 10003-31 Balanza de Alta Precisión, tipo mecánica MODELO METLI/31 Balanza de Alta Precisión Tipo Mecánica Lectura central Compensador
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesUnidad 1: Probabilidad
Cuál es la probabilidad de aprobar Introducción a la Probabilidad y Estadística? - - Introducción a la Probabilidad y Estadística Unidad 1: Probabilidad Cuál es la probabilidad de no encontrarme un embotellamiento
Más detallesJORNADAS DE REFLEXIÓN HACIA UN MODELO ORDINARIO DE TARIFAS DE BUSES BASADO EN LA TÉCNICA MATRIZ DÍA 2. Depreciación flota
EJE TEMÁTICO 3 COSTOS FIJOS MENSUALES JORNADAS DE REFLEXIÓN HACIA UN MODELO ORDINARIO DE TARIFAS DE BUSES BASADO EN LA TÉCNICA MATRIZ DÍA 2 1. Por qué se propone depreciación acelerada? Depreciación flota
Más detallescompensa Administrador de planes de Compensación
compensa Administrador de planes de Compensación Descripción. Compensa es un sistema de administración de planes de compensación salarial, que permite a una empresa manejar los procesos de incrementos
Más detallesPLAN MATEMÁTICO 2015
PLAN MATEMÁTICO 2015 INTEGRACIÓN DE HABILIDADES MATEMÁTICAS Y DE LENGUAJE. Autor: Patricio Figueroa M. Profesor de Matemáticas 1.- Objetivos: Objetivo General: Afianzar el desarrollo de habilidades para
Más detallesPrograma. Asignatura: Estadística Aplicada. año de la Carrera de Contador Público
Sede y localidad Carrera Sede Atlántica, Viedma Contador Publico Programa Asignatura: Estadística Aplicada Año calendario: 2012 Carga horaria semanal: 6 (seis) hs. Cuatrimestre: Primer Cuatrimestre. Segundo
Más detallesInvestigación Operativa
Investigación Operativa Unidad: Teoría de decisiones y modelos de programación lineal Docente: Johnny. Pacheco Contreras Unidad Teoría de decisiones y modelos de programación lineal. Logro Al finalizar
Más detallesAnálisis de los datos
Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización
Más detallesMEJORAS SICO DEL 01/08/2015 AL 31/08/2016
1 Nº REQUERIMIENTO: 0000002474 - FECHA: 19/08/2015 MODIFICACION DE PANTALLA COMPRAS / DOCUMENTOS / Factura Retención (Solo para CHILE). - Adicionar % de Retención de IVA de acuerdo a lo dispuesto por el
Más detallesTeoría de la Decisión: Decisión con incertidumbre y riesgo. Begoña Vitoriano Villanueva
Teoría de la Decisión: Decisión con incertidumbre y riesgo Begoña Vitoriano Villanueva Teoría de la decisión: Introducción Decisión: elegir lo mejor entre lo posible Definir lo mejor y lo posible Lo mejor:
Más detallesLicenciatura en Contaduría. Tema: Teoría de las probabilidades
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO ESCUELA SUPERIOR DE ZIMAPÁN Licenciatura en Contaduría Tema: Teoría de las probabilidades L.C. Beatriz Caballero Máximo Julio Diciembre 2014 Tema: Conceptos generales
Más detallesEXTRACTO DE PROGRAMACIÓN DIDÁCTICA IES VEGA DEL TÁDER 2º BACHILLERATO CONTENIDOS MÍNIMOS
MATERIA: CURSO: MATEMÁTICAS 2º BACHILLERATO CONTENIDOS MÍNIMOS ÁLGEBRA LINEAL 1) Realizar operaciones con matrices (con un número de filas y columnas no superior a tres) así como obtener la traspuesta
Más detallesPROCEDIMIENTO PARA RECONOCIMIENTO DE EMBARGO COD. AF-P-31
COD. 3 2 1 0 Se cambió la imagen Institucional Se cambió la imagen Institucional Documento inicial Pedro L. Rodríguez S. Apoyo a procesos Pedro L. Rodríguez S. Apoyo a procesos Hugo Gutiérrez A. Universitario
Más detalles2 = 1 0,5 + = 0,5 c) 3 + = = 2
Trabajo Práctico N : SISTEMAS DE ECUACIONES LINEALES Ejercicio : Resuelva los siguientes sistemas de ecuaciones lineales empleando cuando sea posible: i) Método matricial. ii) Regla de Cramer. Interprete
Más detallesGESTIÓN DOCUMENTAL. Describir la metodología para la recepción, organización y custodia del archivo de acuerdo con la normativa vigente.
Pagina 1 de 7 1. OBJETIVO Describir la metodología para la recepción, organización y custodia del archivo de acuerdo con la normativa vigente.. CAMPO DE APLICACIÓN Aplica desde que se recibe el documento
Más detallesSeminario de problemas-bachillerato. Curso Hoja 8
Seminario de problemas-bachillerato. Curso 202-. Hoja 8 40. Se puede dibujar un triángulo equilátero que tenga los tres vértices sobre puntos de una malla cuadrada? Qué polígonos regulares se pueden dibujar
Más detallesUtilización de Funciones en OpenOffice.org Calc
Utilización de Funciones en OpenOffice.org Calc Una función es un conjunto de instrucciones reunidas bajo un nombre que calculan un resultado o llevan a cabo una acción específica. Las funciones pueden
Más detallesAnálisis Multivariante son Stata
Análisis Multivariante con Stata Diploma Avanzado en Metodología de Investigación en Ciencias de la Salud EVES. Valencia, Oct 2013 fgarcia@cipf.es Indice 1 Introducción 2 3 4 Análisis Multivariante Análisis
Más detallesTEMA INTRODUCCION A LAS RENTAS. LAS RENTAS CONSTANTES.
TEMA INTRODUCCION A LAS RENTAS. LAS RENTAS CONSTANTES. 1.- CONCEPTO DE RENTA, IMPORTANCIA DE SU ESTUDIO Y EJEMPLOS. Se entiende por renta, el cobro o el pago periódico, motivado por el uso de un capital.
Más detallesEstimación no-paramétrica Máximo Camacho Alonso Universidad de Murcia
Estimación no-paramétrica Máximo Camacho Alonso Universidad de Murcia www.um.es/econometria/tecpre mcamacho@um.es Maximo Camacho Estimación no-paramétrica 1 Contenido del tema Introducción: ventajas e
Más detallesTema 8-2. Calidad en Cartografía. Cartografía I 2º Curso de IT en Topografía 1 er Cuatrimestre 2008/09 EPS Jaén
Tema 8-2. Calidad en Cartografía Cartografía I 2º Curso de IT en Topografía 1 er Cuatrimestre 2008/09 EPS Jaén 1. Conceptos 2. Normalización 3. Calidad del dato 4. Exactitud posicional 5. Exactitud temática
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesBalance 5) de Comprobación. 4) Libro Mayor. Haber BALANCE GENERAL CON LAS CUENTAS REALES ESTADO DE APLICACIÓN DE LOS RECURSOS CUENTAS NOMINALES
6.5.5 La información financiera contable Proceso o ciclo contable. Mediante un análisis del ciclo contable puede tenerse sintéticamente una visión muy rápida de todas las etapas que abarca la contabilidad
Más detallesRECOMENDACIONES Y ORIENTACIONES PARA LA MATERIA DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II (CURSO )
RECOMENDACIONES Y ORIENTACIONES PARA LA MATERIA DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II (CURSO 01-013) MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II ÍNDICE 1. Contenidos. Criterios de evaluación.1.
Más detallesXXX (nombre cuenta) Haber
Curso virtual Contabilidad en las organizaciones - SENA. TEMA: La contabilidad como un proceso 1. Las Cuentas Conceptos básicos QUÉ SON LAS CUENTAS? La cuenta es el componente más elemental y básico de
Más detallesAprendizaje Supervisado Árboles de Decisión
Aprendizaje Supervisado Árboles de Decisión 10 10 Modelo general de los métodos de Clasificación Id Reembolso Estado Civil Ingresos Anuales 1 Sí Soltero 125K No 2 No Casado 100K No 3 No Soltero 70K No
Más detallesTema 2. Introducción a la Estadística Bayesiana
2-1 Tema 2 Introducción a la Estadística Bayesiana El teorema de Bayes Ejemplo Interpretación Ejemplo: influencia de la distribución a priori Ejemplo: densidad de flujo Probabilidad bayesiana Ejemplo:
Más detallesAnálisis de Decisiones II. Tema 17 Generación de números al azar. Objetivo de aprendizaje del tema
Tema 17 Generación de números al azar Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Obtener números aleatorios a partir de un proceso de generación. Validar las características
Más detallesANÁLISIS DISCRIMINANTE APLICADO AL PROBLEMA DE CREDIT SCORING
ANÁLISIS DISCRIMINANTE APLICADO AL PROBLEMA DE CREDIT SCORING RESUMEN JUAN MANUEL RIVAS CASTILLO En este documento se emplea el análisis discriminante, que es una técnica del análisis multivariado utilizada
Más detallesMÉTODOS DE APRENDIZAJE INDUCTIVO
Aprendizaje Automático y Data Mining Bloque III MÉTODOS DE ARENDIZAJE INDUCTIVO 1 Índice Clasificación de métodos: Lazy Eager Árboles de decisión. Listas de reglas. Aprendizaje Bayesiano. Redes neuronales
Más detallesResolución de Problemas
Resolución de Problemas Mgr. Corina Flores Villarroel UMSS Programa MEMI Contenido 1 Introducción Programación y Matemáticas 2 Desarrollo de habilidades de pensamiento 3 Resolución de problemas Problema
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales TIPOS DE SISTEMAS. DISCUSIÓN DE SISTEMAS. Podemos clasificar los sistemas según el número de soluciones: Incompatible. No tiene solución Compatible. Tiene solución. Compatible
Más detallesMOOC UJI: La Probabilidad en las PAU
4. Probabilidad Condicionada: Teoremas de la Probabilidad Total y de Bayes 4.1. Probabilidad Condicionada Vamos a estudiar como cambia la probabilidad de un suceso A cuando sabemos que ha ocurrido otro
Más detallesRAZONAMIENTO CLÍNICO EN FISIOTERAPIA Y ABORDAJE DE LOS PROBLEMAS DE LA COLUMNA CERVICAL
RAZONAMIENTO CLÍNICO EN FISIOTERAPIA Y ABORDAJE DE LOS PROBLEMAS DE LA COLUMNA CERVICAL Solicitada acreditación a la comisión de formación continuada DESARROLLO DEL CURSO FECHAS: 31 de Marzo al 2 de Abril
Más detallesBLOQUE IV. CLASIFICACIÓN
BLOQUE IV. CLASIFICACIÓN CAPÍTULO 11 Clasificación de mínima distancia. IV. 11.1 Pasos para realizar la clasificación. Es necesario comentar que se trata de una clasificación muy básica, que, en este caso,
Más detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesAUDITORIA DEL CICLO DE VENTAS
AUDITORIA DEL CICLO DE VENTAS M.A. JIMENEZ MONTAÑES Profesora Titular Economía Financiera y Contabilidad Auditoria Cuentas l ROAC Angela.Jimenez@uclm.es 1.- OBJETIVOS GLOBALES OBJETIVO GLOBAL: EVALUAR
Más detallesANÁLISIS DE DATOS MULTIDIMENSIONALES
ANÁLISIS DE DATOS MULTIDIMENSIONALES INTRODUCCIÓN DISTRIBUCIÓN DE FRECUENCIAS MULTIDIMENSIONAL DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS INDEPENDENCIA ESTADÍSTICA ESTUDIO ANALÍTICO DE DISTRIBUCIONES
Más detallesClasificador Jerárquico de Imágenes utilizando Naive Bayes
Clasificador Jerárquico de Imágenes utilizando Naive Bayes Hernandez Torres Julio Noe, Marin Castro Maribel Angelica Instituto Nacional de Astrofísica Óptica y Electrónica {julio.hernandez.t, mmarinc}
Más detalles