IMPLEMENTACIÓN PRÁCTICA DE UN BANCO DE FILTROS UNIFORME. S Q Salida del filtro Q h(n) Filtro s(n) Señal L Tamaño de la ventana del filtro 0 # n # L-1
|
|
- Lorenzo Montes Miguélez
- hace 5 años
- Vistas:
Transcripción
1 IMPEMEACIÓ PRÁCICA DE U BACO DE FIROS UIFORME En este tpo de bancos, la forma de la respuesta espectral de cada uno de los fltros es la msma, y su frecuenca central se raparte de manera unforme en el espectro: f f m = donde es el número de fltros del banco a respuesta de uno cualquera de ls fltros del banco vene dada por la ecuacón: 1 S = h( m) s( n m) Q m= S Q Salda del fltro Q h(n) Fltro s(n) Señal amaño de la ventana del fltro # n # -1 El factor es a pror desconocdo, lo que hace nvable la programacón drecta de esta funcón. Sn embargo, s se restrngen las frecuencas centrales de los fltros a un número o conjunto menor, entonces sí es posble este cálculo. Se renunca así a que k Q pueda tomar cualquer valor dentro del ntervalo [, -1], valores que a pror corresponderían a las frecuencas: Selecconando, en cambo, frecuencas centrales del tpo: (Ver nota ) entonces f f k f k m m = = = Se han escogdo las frecuencas centrales a partr del tamaño de la ventana. Fco Javer Molna Cantero Pag. 4
2 Es decr, utlzando frecuencas de repetcón múltplos de / (ver nota 3 ). Para analzar las consecuencas de esta eleccón susttumos la relacón anteror en la ecuacón del fltro: 1 S n = e v m s n m k = Q( ) ( ) ( ) Q m= πmk j 1 S ( n) = e v( m) s( n m) Q m= πm j Esta ecuacón sí puede programarse de forma drecta para cada uno de los valores de [,-1]. o debemos olvdar, sn embargo, que se han escogdo las frecuencas centrales en funcón del tamaño de la ventana, por lo que se está lmtando la resolucón espectral del análss. Para calcular de una manera más efcente esta expresón, podemos recurrr al algortmo FF, aplcable a operacones de la forma: 1 X k x n e j πnk ( ) = ( ) Por tanto, la ecuacón para S (n) debe ser re-escrta como sgue: n m = m S ( n) = e v( m) s( n m) = e v( n m ) s( m ) = 1 m= πn j m = n + 1 n m jπ S ( n) = e e s( m ) v( n m ) πn n πm j j m = n + 1 n 3 El cocente / debe ser un número entero, condcón muy fácl de cumplr, s la señal se completa con ceros. Fco Javer Molna Cantero Pag. 43
3 REAIZACIÓ Invertr la ventana v(m) Aplcarla al tramo de análss [n-+1, n] Ejectuar una FF de puntos S nteresa la fase de la transformada, multplcar por el factor exponencal Gráfcamente: v(n) e j πn s(n) s(m )v(n-m ) m =n-+1 Opconalmente FF e j πn m =n CODICIOES Se ha supuesto que las frecuencas centrales que nteresan se relaconan con el ancho de la ventana medante la ecuacón: f f m = a FF es de puntos, y dado que habtualmente se calcula para un número de datos potenca de (18, 51, 14,...), la capacdad de elegr las frecuencas centrales es más lmtada. S sólo nteresa la magntud de la transformada, no se hace necesaro el factor exponencal, que sólo afecta a la fase. Fco Javer Molna Cantero Pag. 44
4 QMF - Quadrature Mrror Flters En muchas aplcacones se hace necesaro dsponer de bancos de fltros no unformes, tanto para voz como en audo. Por ejemplo, resulta útl la utlzacón de bancos de octava y de terco de octava, en los cuales la frecuenca central y en ancho de los fltros varía logarítmcamente como se muestra en la fgura: Respuesta de un banco de fltros de octava. Dos son los motvos más mportantes por los que este tpo de fltros es útl en análss de voz: El oído humano actúa de manera smlar, por lo que la nformacón contenda en el habla debe poder extraerse sguendo este comportamento. a energía en cada banda es del msmo orden de magntud, debdo a que la dstrbucón meda de energía espectral del habla decae logarítmcamente. A partr de los resultados obtendos de la FF no es nmedato la obtencón de un banco de fltros de este tpo, ya que la respuesta espectral de las ventanas no es deal, y se produce un solapamento entre bandas consecutvas. Esto mpde sumar smplemente los resultados de ambas para evaluar el resultado que se habría obtendo con una banda de paso doble. Fco Javer Molna Cantero Pag. 45
5 Un banco de fltros en cuadratura QMF-Flters se compone de un fltro pasobaja y otro paso-alta, dseñados con una respuesta espectral smétrca, tal y como se lustra en la fgura: H( f ) H ( 1 f ) f m H1( f ) = H( f ± ) El fltro paso alta se obtene a partr del fltro paso-baja desplazando en fm/ su respuesta espectral. Una de las característcas más mportantes de este tpo de fltros es que la señal orgnal se reconstruye exactamente sumando la respuesta obtenda en ambos fltros. Esta característca permte separar en bandas sobre las que después podremos efectuar sumas, de manera que se obtengan las respuestas a cualquer tpo de fltro paso-banda. Un banco QMF separa el espectro de una señal en dos octavas, dos mtades de gual tamaño. Utlzándolos en cascada se puede evaluar un banco de fltros con ancho varable, tal y como se muestra a contnuacón: Fco Javer Molna Cantero Pag. 46
6 Una famla de fltros QMF típca es debda a Johnston, que defne dversos fltros paso-baja con dferente número de coefcentes h(n). Por ejemplo: FIROS QMF JOHSO con coefcentes h ( n) = 5., 5. H ( f ) H f H f f 1( ) = ( + m ) FIROS QMF JOHSO con 16 coefcentes h 16C (n)= H ( f ) H 1 ( f ) = H ( f + f m ) Fco Javer Molna Cantero Pag. 51
7 Para calcular a partr del fltro paso de baja su correspondente paso-alta en cuadratura, convene recordar que la correspondenca entre ambos es la sguente: f m H1( f ) = H( f + ) En térmnos de frecuenca de repetcón k Y por defncón: H1( k) = H( k + ) πnk 1 j 1 j H1( k) = h1 ( n) e = H( k + ) = h ( n) e = 1 πnk πn nk j j 1 π j n k π ( + ) jπn n = h ( n) e e = h ( n) e e = h ( n)( 1) e 1 πnk j Por tanto: h ( n) = ( 1) n h ( n) 1 os coefcentes del fltro paso-alta son guales a los del fltro paso-baja, cambando smplemente el sgno de los mpares Una aplcacón típca de este tpo de fltros es la del analzador espectral por tercos de octava (8 sub-bandas) con bandas de longtud dferente (logarítmca). El oído humano actúa de forma smlar a este tpo de banco, ya que posee una sensbldad espectral de tpo logarítmco. Este hecho es explotado por sstemas de compresón de audo como el MPEG, donde se utlzan este tpo de fltros. Fco Javer Molna Cantero Pag. 48
8 Programacón del Análss PC para el método de AUOCORREACIÓ Algortmo de solucón de la matrz de coefcentes p - úmero de coefcentes E - Error de estmacón de los coefcentes R[] - Coefcente de autocorrelacón [dsplazamento ] PC[] - Coefcentes PC Varables ntermedas PARCOR[] - Coefcentes de reflexón (varable ntermeda en este análss) BEA[] - Coefcentes PC de la teracón anteror - contador de teracón E = R[] FOR = 1 to P ED FOR 1 PARCOR[] = R[] BEA[j] R[ j] E j= 1 PC[] = PARCOR[] FOR j = 1 O - 1 ED FOR E = E PC[j] = BEA[j] - PARCOR[] BEA[ - k] FOR j = 1 O P ED FOR ( 1- PARCOR[] *PARCOR[]) BEA[j] = PC[j] Fco Javer Molna Cantero Pag. 49
9 vod evsondurbn(float *R, float*pc, nt P) nt, j; float PARCOR[ ], BEA[ ]; // Como máxmo P+1 float aux, E; E = R[] for(=1; <= P; ++) aux = ; for(j=1; j < ; j++) aux = aux + BEA[j]*R[-j]; PARCOR[] = (R[] - aux)/e; PC[] = PARCOR[] for(j=1; j<; j++) PC[j] = BEA[j] - PARCOR[]*BEA[j-j]; E = E *(1-PARCOR[]*PARCOR[]) for(j=1; j<p; j++) BEA[j] = PC[j]; vod PC_Coef( float *data, nt, float *PC, nt P) nt, j; float AutoCor[ ] ; // amaño P +1 max (R[]... R[P] for(= ; <= P; ++) // Calcula los P+1 elementos de autocorrelacón aux = ; for(j=; j < - ; j++) aux = aux + Data[j]*Data[j + ]; AutoCor[] = aux; evsondurbn(autocor, PC, P); Fco Javer Molna Cantero Pag. 5
10 vod SpectrumPC(float *spectralmagntude, nt, float *PC, nt P, float G) float Real[ ], Imag[ ]; // amaño de la máxma nt ; float aux; Real[] = 1; Imag[] = ; for(=1; < =P; ++) Real[] = -PC[]; Imag[] = ; for( ; < ; ++) Real[] = Imag[] = ; FF(Real, Imag, ); for(=; < ; ++) aux = sqrt(real[]*real[] + Imag[]*Imag[]); spectralmagntude[] = G / aux; Fco Javer Molna Cantero Pag. 51
Métodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detallesMatemáticas II. Segundo Curso, Grado en Ingeniería Electrónica Industrial y Automática Grado en Ingeniería Eléctrica. 17 de febrero de
Matemátcas II Segundo Curso, Grado en Ingenería Electrónca Industral y Automátca Grado en Ingenería Eléctrca 7 de febrero de 0. Conteste las sguentes cuestones: Ã! 0 (a) (0.5 ptos.) Escrba en forma bnómca
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detalles75.12 ANÁLISIS NUMÉRICO I GUÍA DE PROBLEMAS INTEGRACIÓN
Análss Numérco Facultad de ngenería - UBA 75. ANÁLSS NUMÉRCO FACULTAD DE NGENERÍA UNVERSDAD DE BUENOS ARES GUÍA DE PROBLEMAS 4 6. NTEGRACÓN. Calcular la sguente ntegral utlzando las fórmulas del trapeco
Más detallesPROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.
Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detalles5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.
Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las
Más detallesDESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO
Clascacón: Emtdo para Observacones de los Coordnados Versón: 1.0 DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Autor Dreccón de Operacón Fecha Creacón 06-04-2010 Últma Impresón 06-04-2010 Correlatvo
Más detallesCircuitos eléctricos en corriente continúa. Subcircuitos equivalentes Equivalentes en Serie Equivalentes en Paralelo Equivalentes de Thevenin y Norton
ema II Crcutos eléctrcos en corrente contnúa Indce Introduccón a los crcutos resstvos Ley de Ohm Leyes de Krchhoff Ley de correntes (LCK) Ley de voltajes (LVK) Defncones adconales Subcrcutos equvalentes
Más detalles6.9 El trazador cúbico
4.9 El trazador cúbco El polnomo de nterpolacón es útl s se usan pocos datos y que además tengan un comportamento polnomal, así su representacón es un polnomo de grado bajo y adecuado. S no se cumplen
Más detallesTÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3
PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detallesUna renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.
Rentas Fnanceras. Renta fracconada 6. RETA FRACCIOADA Una renta fracconada se caracterza porque su frecuenca no concde con la frecuenca de varacón del térmno de dcha renta. Las característcas de la renta
Más detallesEnlaces de las Series de Salarios. Metodología
Enlaces de las eres de alaros Metodología ntroduccón La Encuesta de alaros en la ndustra y los ervcos (E, cuyo últmo cambo de base se produjo en 996) ha sufrdo certas modfcacones metodológcas y de cobertura,
Más detallesCAPÍTULO 4 MARCO TEÓRICO
CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.
Más detallesEl diodo Semiconductor
El dodo Semconductor J.I. Hurcán Unversdad de La Frontera Aprl 9, 2012 Abstract Se plantean procedmentos para analzar crcutos con dodos. Para smpl car el trabajo, el dodo semconductor es reemplazado por
Más detallesSEGUNDA PARTE RENTAS FINANCIERAS
SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de
Más detallesLECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA
LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesSISTEMAS DE ECUACIONES DIFERENCIALES
DIVISIÓN DE CIENCIAS FÍSICAS Y MATEMÁTICAS DTO. TERMODINÁMICA Y FENÓMENOS DE TRANSFERENCIA MÉTODOS AROXIMADOS EN ING. QUÍMICA TF-33 SISTEMAS DE ECUACIONES DIFERENCIALES Esta guía fue elaborada por: rof.
Más detalles7.5. FUNCIONES EN LINEA, MACROS CON ARGUMENTOS
226 Programacón en C. Metodología, algortmos y estructura de datos - La Tabla 7. muestra un resumen del comportamento de los dferentes tpos de parámetros. Tabla 7.. Paso de parámetros en C. Parámetro especfcado
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detalles6.1 EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS
TEMA NÚMEROS COMPLEJOS. EN QUÉ CONSISTEN LOS NÚMEROS COMPLEJOS DEFINICIONES Al resolver ecuacones del tpo : x + = 0 x = ± que no tene solucón en los números reales. Los números complejos nacen del deseo
Más detallesENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2011 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. 3 y
ENUNCADOS DE LOS EJERCCOS PROPUESTOS EN 011 EN MATEMÁTCAS APLCADAS A LAS CENCAS SOCALES. EJERCCO 1 a (5 puntos Raconalce las epresones y. 7 b (5 puntos Halle el conjunto de solucones de la necuacón EJERCCO
Más detallesUNIVERSIDAD NACIONAL AUTONOMA DE MEXICO FACULTAD DE INGENIERIA LABORATORIO DE CIRCUITOS INTEGRADOS ANALÓGICOS PRACTICA 4 FILTROS ACTIVOS
UNIVERSIDAD NAIONAL AUTONOMA DE MEXIO FAULTAD DE INGENIERIA LABORATORIO DE IRUITOS INTEGRADOS ANALÓGIOS PRATIA 4 FILTROS ATIVOS Objetvo: El alumno deberá conocer las dferentes clases de fltros actvos,
Más detallesINSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA
PÁCTICA 1. INSTUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADO DE POTENCIA 1.1 Objetvos El objetvo de esta práctca consste en presentar los nstrumentos y las técncas de medda habtualmente utlzadas para
Más detallesVISIÓN POR COMPUTADOR
Escuela Poltécnca Superor de Elche VISIÓN POR COMPUTADOR Grado en Electrónca y Automátca Industral PRÁCTICAS TITERE Práctca 4: Segmentacón, Localzacón y Reconocmento de Obetos Departamento de Ingenería
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detalles17/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índce Introduccón Varables estadístcas Dstrbucones esde frecuencas c Introduccón a la representacón gráfca de datos Meddas de tendenca central: meda (artmétca, geométrca,
Más detallesLECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION
Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas
Más detallesEstas medidas serán más significativas cuanto más homogéneos sean los datos y pueden ser engañosas cuando mezclamos poblaciones distintas.
UIDAD 3: Meddas estadístcas Las meddas estadístcas o parámetros estadístcos son valores representatvos de una coleccón de datos y que resumen en unos pocos valores la normacón del total de datos. Estas
Más detallesAplicación de curvas residuo y de permeato a sistemas batch y en continuo
Aplcacón de curvas resduo de permeato a sstemas batch en contnuo Alan Dder érez Ávla En el presente trabajo se presentara de manera breve como obtener las ecuacones que generan las curvas de resduo, de
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detallesTERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
Más detallesAplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa
Aplcacón de la termodnámca a las reaccones químcas Andrés Cedllo Departamento de Químca Unversdad Autónoma Metropoltana-Iztapalapa Introduccón Las leyes de la termodnámca, así como todas las ecuacones
Más detallesUniversidad Simón Bolívar Conversión de Energía Eléctrica - Prof. José Manuel Aller
Unversdad Smón Bolívar Conversón de Energía Eléctrca Prof José anuel Aller 41 Defncones báscas En este capítulo se estuda el comportamento de los crcutos acoplados magnétcamente, fjos en el espaco El medo
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detallesCyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.
CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón
Más detallesACTIVIDADES INICIALES
Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)
Más detallesPráctica 4ª: RESOLUCIÓN DE SISTEMAS LINEALES. METODOS ITERATIVOS.
practca4srnb Apelldos Nombre: Práctca 4ª: RESOLUCIÓN DE SISTEMAS LINEALES METODOS ITERATIVOS Normas vectorales normas matrcales Número de condcón de una matr Cuando se construe una sucesón de vectores
Más detallesCAPÍTULO 5 MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI
CAPÍTULO 5: MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI 57 CAPÍTULO 5 MÉTODO DE LA FUNCIÓN ELÍPTICA DE JACOBI 5. Resumen Se busca solucón a las ecuacones acopladas que descrben los perfles de onda medante
Más detallesMatemática Financiera Sistemas de Amortización de Deudas
Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas
Más detallesTema 1.- Variable aleatoria discreta (V2.1)
Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto
Más detallesTEMA 1.- CONCEPTOS BÁSICOS
TEMA 1.- CONCEPTOS BÁSICOS 1.1.- Cuestones tpo test 1.- En las encuestas personales puede codfcarse, por ejemplo, con un cero las que son contestadas por una mujer y con un uno las que lo son por un varón.
Más detallesTERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA
Ing. Federco G. Salazar Termodnámca del Equlbro TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Contendo 1. Conversón y Coordenada de Reaccón. 2. Ecuacones Independentes y Regla
Más detallesEstimación de incertidumbres en calibración de Osciladores
Estmacón de ncertdumbres en calbracón de Oscladores J. Maurco López R. Dvsón de Tempo Frecuenca Centro Naconal de Metrología maurco.lopez@cenam.mx Resumen La frecuenca de salda de los oscladores debe ser
Más detallesTEORÍA DE ESTRUCTURAS
TEORÍA DE ESTRUCTURAS TEA 4: CÁCUO DE ESTRUCTURAS POR E ÉTODO DE A DEFORACIÓN ANGUAR DEPARTAENTO DE INGENIERÍA ECÁNICA - EKANIKA INGENIERITZA SAIA ESCUEA TÉCNICA SUPERIOR DE INGENIERÍA DE BIBAO UNIVERSIDAD
Más detallesConsideremos un sólido rígido sometido a un sistema de fuerzas en equilibrío, es decir
1. PRINIPIO E TRJOS VIRTULES El prncpo de los trabajos rtuales, en su ertente de desplazamentos rtuales, fue ntroducdo por John ernoull en 1717. La obtencón del msmo dera de la formulacón débl (o ntegral)
Más detallesSmoothed Particle Hydrodynamics Animación Avanzada
Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla
Más detallesRealización física del sistema de control
Unversdad de Ovedo Realacón físca del sstema de control Tema 0 Unversdad de Ovedo Indce Tarjetas AD/DA Estructura de los convertdores AD y DA Característcas de una tarjeta AD/DA Algortmos de conversón
Más detallesClase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.
Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca
Más detallesCOLEGIO INGLÉS MEDIDAS DE DISPERSIÓN
COLEGIO IGLÉS DEPARTAMETO IVEL: CUARTO MEDIO PSU. UIDAD: ESTADISTICA 3 PROFESOR: ATALIA MORALES A. ROLADO SAEZ M. MIGUEL GUTIÉRREZ S. JAVIER FRIGERIO B. MEDIDAS DE DISPERSIÓ Las meddas de dspersón dan
Más detallesClase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.
Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca
Más detallesModelos lineales Regresión simple y múl3ple
Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una
Más detallesI.E.S. Historiador Chabás -1- Juan Bragado Rodríguez
Problema La sguente tabla epresa la estatura en cm. de soldados: Talla 5 56 60 6 68 6 80 8 88 Soldados 6 86 50 8 95 860 85 6 9 a) Haz un hstograma que represente la estatura en metros de los soldados.
Más detallesUniversidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud
Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesAnálisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70
Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles
Más detallesEJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.
EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente
Más detallesPRÁCTICA 11. AMPLIFICADOR OPERACIONAL I
PRÁCTICA 11. AMPLIFICADOR OPERACIONAL I 1. Objetvo El objetvo de esta práctca es el estudo del funconamento del amplfcador operaconal, en partcular de dos de sus montajes típcos que son como amplfcador
Más detallesEJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL
Más detallesGráficos de flujo de señal
Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo
Más detallesTEMA 8: PRÉSTAMOS ÍNDICE
TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesObjetivos El alumno conocerá y aplicará diversas técnicas de derivación e integración numérica. Al final de esta práctica el alumno podrá:
Objetvos El alumno conocerá y aplcará dversas técncas de dervacón e ntegracón numérca. Al fnal de esta práctca el alumno podrá:. Resolver ejerccos que contengan dervadas e ntegrales, por medo de métodos
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detalles+ V i - V o - Filtro Supresor de Banda
Fltro Supresor de Banda Los fltros supresor de banda o banda de atenuacón tambén se construyen usando un fltro pasa bajos y uno pasa altos. Sn embargo, en lugar de la confguracón en cascada empleada para
Más detallesSi consideramos un sistema PVT con N especies químicas π fases en equilibrio se caracteriza por: P v =P L = =P π
EQUILIBRIO DE FASES Reglas de las fases. Teorema de Duhem S consderamos un sstema PVT con N especes químcas π fases en equlbro se caracterza por: P, T y (N-1) fraccones mol tal que Σx=1 para cada fase.
Más detallesEXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 17 de Mayo de :00 horas
EXAMEN FINAL DE ECONOMETRIA, 3º CURSO (GRADOS EN ECO y ADE) 7 de Mayo de 08 9:00 horas Prmer Apelldo: Nombre: DNI: Teléfono: Segundo Apelldo: Grupo y Grado: Profesor(a): e-mal: Pregunta A B C En Blanco
Más detallesSistemas Lineales de Masas-Resortes 2D
Sstemas neales de Masas-Resortes D José Cortés Pareo. Novembre 7 Un Sstema neal de Masas-Resortes está consttudo por una sucesón de puntos (de ahí lo de lneal undos cada uno con el sguente por un resorte
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesTema 1: Análisis de datos unidimensionales
Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones
Más detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallesFuentes de información
TEORÍA DE LA INFORMACIÓN Tratamento probablístco de la Informacón Fuentes de nformacón INGENIERÍA DE SISTEMAS Cursada 6 TRANSMISIÓN DE INFORMACIÓN decodfcacón automátca PRINCIPALES TEMÁTICAS DE LA TEORÍA
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detallesSEMANA 13. CLASE 14. MARTES 20/09/16
SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.
Más detallesSimposio de Metrología 25 al 27 de Octubre de 2006
Smposo de Metrología 25 al 27 de Octubre de 2006 ESTIMACIÓN DE INCERTIDUMBRE EN LA MEDICIÓN DE ABSORCIÓN DE HUMEDAD EN AISLAMIENTOS Y CUBIERTAS PROTECTORAS DE CONDUCTORES ELÉCTRICOS POR EL MÉTODO ELÉCTRICO
Más detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detallesCAPÍTULO 4. CINEMÁTICA DE LOCALIZACIÓN DEL ROBOT PARALELO
8 CAPÍTULO 4. CINEMÁTICA DE LOCALIZACIÓN DEL ROBOT PARALELO En esta seccón se descrbe el análss de posconamento y orentacón del robot paralelo: Se resuelve el problema cnemátco nverso en base a métodos
Más detallesTallerine: Energías Renovables
Tallerne: Energías Renoables Fundamento Teórco Parte II: Curas de crcutos Autores: Carlos Brozzo Agustín Castellano Versón 0.1 Tallerne2017 Energías Renoables 2 Índce 1. Curas de crcutos 3 1.1. Fuente
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES
Más detallesVII. Solución numérica de ecuaciones diferenciales
VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesDepartamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011
Departamento de Señales, Sstemas y Radcomuncacones Comuncacones Dgtales, juno 011 Responder los problemas en hojas ndependentes. No se permte el uso de calculadora. Problema 1 6 p.) En este ejercco se
Más detallesBloque 2 Análisis de circuitos alimentados en corriente continua. Teoría de Circuitos
Bloque Análss de crcutos almentados en corrente contnua Teoría de Crcutos . Métodos sstemátcos de resolucón de crcutos : Método de mallas Métodos sstemátcos de resolucón de crcutos Permten resolver los
Más detallesSOLUCIONES A LOS EJERCICIOS DE LA UNIDAD
Pág. 1 Págna 0 PRACTICA Meda y desvacón típca 1 Las edades de los estudantes de un curso de nformátca son: 17 17 18 19 18 0 0 17 18 18 19 19 1 0 1 19 18 18 19 1 0 18 17 17 1 0 0 19 0 18 a) Haz una tabla
Más detallesCapítulo 3. SISTEMAS DE PARTÍCULAS
Capítulo 3. SISTEMAS DE PARTÍCULAS 3.1. Introduccón En la mayoría de los sstemas partculados esten partículas de dstnto tamaño tal como se observa en la Fgura 3.1. Muchos de los métodos que mden tamaño
Más detallesOptimización de la ecualización del histograma en el procesamiento de imágenes digitales
Optmzacón de la ecualzacón del hstograma en el procesamento de mágenes dgtales Roberto Depaol Lus A. Fernández Danel Daz rd-ng@unlm.edu.ar lfernand@unlm.edu.ar ddaz@unlm.edu.ar Departamento de Ingenería
Más detallesEstadística aplicada a las ciencias sociales. Examen Febrero de 2008 primera semana
Estadístca alcada a las cencas socales. Examen Febrero de 008 rmera semana Ejercco. - En la sguente tabla, se reresentan los datos de las edades de los trabajadores de una gran emresa. Gruos de edad Nº
Más detallesTEMA 4. TEORÍA DE LA DUALIDAD.
Investgacón Operatva TEMA. TEORÍA DE LA DUALIDAD. TEMA. TEORÍA DE LA DUALIDAD..... INTRODUIÓN... ALGORITMO DUAL DEL SIMPLEX.... EJEMPLO.... EJEMPLO.... EJEMPLO... TEORÍA DE LA DUALIDAD.... PROLEMA PRIMAL
Más detallesEJERCICIOS: Tema 3. Los ejercicios señalados con.r se consideran de conocimientos previos necesarios para la comprensión del tema 3.
EJERCICIOS: Tema 3 Los ejerccos señalados con.r se consderan de conocmentos prevos necesaros para la comprensón del tema 3. Ejercco 1.R Dos bblotecas con el msmo fondo bblográfco especalzado ofrecen las
Más detallesINTRODUCCIÓN AL LABORATORIO DE FÍSICA
INTRODUCCIÓN AL LABORATORIO DE FÍSICA EXPERIMENTAL A. MEDIDA E INCERTIDUMBRE Págna 1 A- MEDIDA E INCERTIDUMBRE A.1. INCERTIDUMBRE EN LAS MEDIDAS Medr consste en comparar una magntud con otra que utlzamos
Más detalles