Free Essay

Analisis de Datos Y Algoritmos

In:

Submitted By davmormej
Words 1586
Pages 7
CAP 5 * El numero de formatos pedidos no podrá ser superior a n ni podrá ser menor que 0. Por lo tanto la variable aleatoria binomial tiene un rango de 0 a n * Para encontrar cuantas maneras hay de seleccionar x objetos entre n objetos se utiliza la regla de las combinaciones. * Para encontrar probabilidades:
X≥ 3 = prob de 4 +3 x≤3 = prob de 2+3 x> 3 = prob de 4 x< 3= prob de 0+1+2 * La forma de probabilidad binomial depende de los valores n y p, siempre que p=0.5 la distribución binomial es simétrica, sin importar que tan grande o pequeña sea n. cuando es diferente de 0.5 es asimétrica. *
5.32 Cual es el significado del valor esperado de una distribución de probabilidad?
R/: La media de una distribución de probabilidad es el valor esperado. Para calcularlo se multiplica cada resultado posible de x por su probabilidad correspondiente y luego se suman los productos.
5.33 Cuales son las cuatro propiedades que se requieren de una situación para utilizar la distribución binomial?
R/:La distribución binomial se utiliza cuando la variable aleatoria es el numero de éxitos en una muestra, compuesta por n observaciones. Las propiedades son: * La muestra debe tener un numero fijo de observaciones n * Cada observación se clasifica en éxito (P) o fracaso (1-P) * La probabilidad de que una observación se clasifique como exitosa es constante de una observación a otra, al igual que la probabilidad de que sea un fracaso * El resultado de cualquier observación es independiente de cualquier otra.
5.34 Cuales son las cuatro propiedades que se requieren de una situación para utilizar la distribución de poisson?
La distribución de poisson se basa en el conteo de las veces que se presenta un evento dentro de un area de oportunidad las propiedades son: * Le intereza contar las veces que se presenta un evento en particular dentro de un area de oportunidad * La probabilidad de que este evento se presente es igual para todas las areas de oportunidad * La probabilidad de que el numero de eventos que se presentan en un area de oportunidad es igual para todas las areas de oportunidad * La probabilidad de que dos o mas eventos se presenten en un área de oportunidad tiende a cero conforme esta area se vuelve menor.
CAP 6 * La distribución normal * se representa por la forma de campana, lo que la hace simétrica * su 50% central es igual a 1.33 desviaciones estándar * sus medidas de tendencia central (media,mediana y moda) son idénticas * su variable aleatoria tiene un rango de - ∞ <X < ∞ * todas sus probabilidades o porción del area bajo la curva sumaran 1 * Para convertir cualquier variable aleatoria normal X en una variable z se utiliza la formula de transformación. * Un plano de probabilidad normal es un acercamiento grafico para evaluar si los datos están distribuidos normalmente, ( grafica cuantil cuantil) en este método cada valor ordenado se transforma en euna puntuación z y después se grafican los valores de los datos contra las puntuaicones. Si por ejemplo n= 19, se haría asi:
1/n+1 lo que de se busca ne la tabla z.
6.24 Como se encuentra el área entre dos valores debajo de la curva normal?
R/:Se halla la probabilidad
6.25 Como se encuentra el valor x que corresponde a un percentil dada una distribución normal?
R/: Para encontrar un valor X teniendo la prob z: se dibuja la curva de la normal y se colocan los valores de x y z, se busca en la tabla la probabilidad de cada valor x y se voltea la ecuación.
6.26 Como se utiliza la grafica ce probabilidad normal para evaluar si un conjunto de datos esta distribuido normalmente?
La evaluación de la normalidad se hace de la siguiente manera: 1. Se mira si es simetrica, es decir la moda, mediana y media son iguales 2. Tiene forma de campana y se aplica la regla empirica 3. El rango intercuartil es igual a 1.33 desviaciones estándar 4. El rango es infinito. 5. Se hace grafica de caja y bigote 6. Se debe mirar si dos tercios de los valores caen entre la media y 1 desviacion estándar

CAP 8 * El nivel de confianza se simboliza con ( 1 – α ) x 100% donde α es la proporción de las oclas de la distribución qu están fuera del intervalo deo confianza. * Z es el valor critico Para hallar z con cierto intervalo de confianza se hace 1-α/2 y lo que de se buscan en la tabla. * Según el numero de oclas el valor de significancia se divide o no. * Un nivel de confianza del 95% indica que si se seleccióna todas las muestras posibles de 100 el 95% de los intervalos desarrollados incluirán la media poblacional . * Para determinar el tamaño de la muestra se debe determinar primero el error de muestreo aceptable, la desviación estándar , el nivel de confianza y z. siempre se debe redondear hacia arriba el numero en este caso. Cuando no se tiene conocimiento de la proporción poblacional se debe usar 0.5 . * Se usa z en lugar de t porque para determinar el valor critico de t se requiere conocer el tamaño de la muestra.
8.50 Porque nunca podemos realmente tener un nivel de confianza del 100% en la estimación correcta de las características de la pobalcion de interez?
R/: Tendria mas confianza de que la media poblaiconal este dentro de un rango de valores mas amplio, sin embargo esto podría llevar a la interpretación de que el intervalo de confianza es menos útil.
8.51 Cunado se usa la distribución t al contruir la estimación del intervalo de confianza para la media?
R/: La t se ussa principalmetne cuando la desviación no es conocida y se usa S para estimarlo. La t viene acompañada de unos grados de libertad (n-1) que dicen que solo n-1 de los valores de la muestra son libres de variar. A medida que estos grados se incrementan s se vuelve una mejor estimación de la desviación. Mientras el tamaño de la muestra sea lo suficientemente grande y la población no muy sesgada se puede usar t.

8.52 Porque es cierto que para un determinado tamaño de muestra n se logra un incremento en la confianza al ampliar el intervalo de confianza
8.53 Cuando se usa la distribución normal para contruir una estimación de confianza para la media?
R/: la distribución normal, z se utiliza cuando la desviación estándar es conocida.
8.54 Para un nivel de confianza dado, porque el valor critico de t menor para 80 grados de libertad que para 20 grados de libertad? Ya que hay menos valores con libertad de variar.
CAP 9
9.1 Para que hipótesis se utiliza Ho y H1?
R/: para la hipoteiss nula y alternativa
9.2 Que representa (1-β) ?
R/:el complemento del erro r tipo 2, es la probabilidad de que se rechaze la hipótesis nula siendo falsa y deba rechazarse.

9.3 Cual es la relación de α con el error tipo 1 y de β con el error tipo 2? Son los simbolos respectivos de cada error, el error de tipo 1 se controla según el nivel de significancia, con esto se cnoce el tamaño de la región de rechazo.
9.4 Porque es posible rechazar la hipótesis nula cuando es verdadera?
Porque es posible cometer un error de tipo 2.
9.5 Si α se reduce de 0.05 a 0.01 que pasa con β ? β aumenta. Una forma de reducir las probabilidades de cometer un error tipo 2 es aumentar el tamaño de la muestra, para un nivel dado de α.
9.6 Para Ho : μ= 100 y H1 μ≠ 100 , y para un tamaño de muestra de n, ¿ Porque β es mas grande si el valor real de μ es 90 que si el valor real de μ es 75?
9.75 Cual es la diferencia entre una hipótesis nula y una alternativa? * Ho: representa la creencia actual de la situación. Siempre contiene un signo de igual. * H1: es lo opuesto a la hipoteiss nulra y representa una afirmación de la investigación o lo que se quiera determninar. Representa la conclusión obtenida al rechazar la hipótesis nula.
9.75 cual es la diferencia centre un error de tipo 1 y un error de tipo 2? * Error tipo 1: se rechaza Ho siendo cierta y no debería rechazarse. La probabilidad de que se presente un error de este tipo es α * Error de tipo 2: no se rechaza Ho siendo falsa y debía rechazase, la probabilidad de que se presente un error de tipo 2 es β
9.76 Cual es la diferencia entre una prueba de una cola y de dos colas?
Una prueba de dos colas divide el nivel de significancia en dos, además se busca un valor que puede ser lo uno o lo otro y se utilizan los signos de igual y diferente.
La región d rechazo se encuentra totalmente comprendida dentro de una sola cola, dependiendo de cómo te lo expresen en el enunciado.
9.77 Que quiere decir por valor-p
El valor p es la probabilidad de obtener un estadístico de prueba (Z) igual o mas extremo que el resultado de la muestra.
9.78 Como un intervalo de confianza permite estima la media poblacional brindando conclusiones para la prueba de hipótesis?

Similar Documents

Free Essay

Algoritmos

...Algoritmo y Programación 1 Analista de Sistema de Computación Módulo 1 Conceptos básicos de programación lógica 1 Esquema de contenidos Módulo 1 Unidad de Aprendizaje 1 Concepto de procesador, entorno, acción y condición. Algoritmo. Lenguaje. Programa. Concepto de programación estructurada. Estructuras de programación: secuencia, decisión y repetición. Constantes. Variables, expresiones. Identificadores. Tipos de datos numéricos (enteros, reales). Tipo de datos carácter. Tipos de datos cadena de caracteres. Tipos de dato lógico. Cálculo proposicional. Expresiones aritméticas, relacionales, lógicas, carácter y cadena. Operadores. Operadores especiales. Tipos de operandos. Jerarquía de operaciones. Precedencia. Memoria. Asignación simple, compuesta. Aplicaciones en lenguaje Pascal. Introducción a la computación Unidad de Aprendizaje 2 Datos y operandos Unidad de Aprendizaje 3 Estructuras Estructuras de programación. Decisión simple (if then else). Decisión compuesta (case of). Repetición (while do, repeat until, for do). Anidados. Marca de fin. Contadores. Acumuladores. Máximos y mínimos. Aplicaciones en lenguaje Pascal. 2 Unidad de Aprendizaje 4 Subalgoritmos. Función. Procedimiento. Variables locales y globales. Pasaje de parámetros: por valor, por dirección. Subprogramas predefinidos. Mapa de memoria. Aplicaciones en lenguaje Pascal. Subprogramas 3 Unidad de Aprendizaje 1 Introducción a la computación Introducción ...

Words: 18358 - Pages: 74

Free Essay

Optimization Algorithms

...Universidad de Puerto Rico en Bayamón Departamento de Español Complejidad, Rendimiento y Utilización Algorítmica Artículo escrito por: Hector E. Maisonet Guzmán – 841-10-3930 Curso ESCO 4005 Sección LJ1 PhD. José A. Rodríguez Valentín 21 de mayo de 2014 COMPLEJIDAD, RENDIMIENTO Y UTILIZACIÓN ALGORÍTMICA Donald Knuth indicó: “Un algoritmo debe ser visto para ser creído”. Por lo tanto se define un algoritmo como un conjunto prescrito de instrucciones o reglas bien definidas, ordenadas y finitas, las cuales permiten realizar una actividad mediante una serie de pasos sucesivos que no generen dudas a quien deba realizar dicha actividad. Estas actividades tienen como estado; uno inicial y uno de entrada, siguiendo una serie de pasos para llegar a su estado final y obtener una solución. Los algoritmos son independientes de los lenguajes de programación. En cada problema el algoritmo puede escribirse y luego ejecutarse en un lenguaje de programación diferente. El algoritmo es la infraestructura de cualquier solución, escrita luego en cualquier lenguaje de programación. Muchos autores han señalado a estos conjuntos de instrucciones como soluciones a problemas abstractos o soluciones a problemas de cálculo. Los algoritmos pueden ser expresados de diferentes maneras, como por ejemplo: lenguaje natural, seudocódigo, flujogramas, lenguaje de programación, entre otros. Cabe destacar que la expresión de un algoritmo mediante el uso del lenguaje natural puede contener...

Words: 4208 - Pages: 17

Free Essay

Eficiencia de Algoritmos de Compresión de Archivos En Tablets Android

...Eficiencia de algoritmos de compresión de archivos en tablets android Isaac Torres, Leonardo Larrea, Carlos Gualán, Freddy Tandazo, Jorge García Facultad de Ingeniería en Electricidad y Computación Escuela Superior Politécnica del Litoral Campus “Gustavo Galindo”, Km 30,5 vía Perimetral. Casilla 09-01-5863, Guayaquil, Ecuador ismatorr@espol.edu.ec, jalarrea@espol.edu.ec, camagual@espol.edu.ec, fatandaz@espol.edu.ec, joregarc@espol.edu.ec Resumen En el presente trabajo se buscó determinar el algoritmo de compresión de archivos más eficiente según su grupo, de acuerdo a dos factores, éstos son, tiempo de compresión y porcentaje de compresión, los grupos de algoritmos son: algoritmos estadísticos, algoritmos híbridos y algoritmos de diccionario. Para ello se hizo un muestreo estratificado de archivos con respecto a su tamaño y su redundancia de información. Para analizar la eficiencia de cada algoritmo se utilizó diferencias de medias y varianzas entre el tiempo de compresión y el porcentaje de compresión. Los resultados fueron que los archivos muy pequeños, en lugar de disminuir su tamaño, éstos aumentan. Para los archivos medianos, los algoritmos híbridos y de diccionario tienen un mejor tiempo de compresión y descompresión que los algoritmos estadísticos, mientras que para los archivos grandes, los algoritmos híbridos tienen una clara ventaja sobre los algoritmos estadísticos y de diccionario. Palabras Claves: ESPOL, factores, universidad. Abstract In...

Words: 2161 - Pages: 9

Free Essay

La Inteligencia Artificial En Los Negocios

...Inteligencia Artificial comenzó como el resultado de la investigación en psicología cognitiva y lógica matemática. Se ha enfocado sobre la explicación del trabajo mental y construcción de algoritmos de solución a problemas de propósito general. Punto de vista que favorece la abstracción y la generalidad. La Inteligencia Artificial es una combinación de la ciencia del computador, fisiología y filosofía, tan general y amplio como eso, es que reúne varios campos (robótica, sistemas expertos, por ejemplo), todos los cuales tienen en común la creación de máquinas que pueden "pensar". La idea de construir una máquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este punto de vista incluyen juegos, traducción de idiomas, comprensión de idiomas, diagnóstico de fallas, robótica, suministro de asesoría experta en diversos temas. Es así como los sistemas de administración de base de datos cada vez más sofisticados, la estructura de datos y el desarrollo de algoritmos de inserción, borrado y locación de datos, así como el intento de crear máquinas capaces de realizar tareas que son pensadas como típicas del ámbito de la inteligencia humana, acuñaron el término Inteligencia Artificial en 1956. Son muchos los estudios y aplicaciones que se han logrado con el desarrollo de esta ciencia, entre las cuales tenemos redes neuronales aplicadas al control de la calidad donde la red evalúa si determinado producto...

Words: 4442 - Pages: 18

Free Essay

Amce Entertainment

...Nacional Autónoma de México. DESARROLLO DE UN MODELO DE MINERÍA DE DATOS APLICADO A CAMPAÑAS DE VENTA CRUZADA. Sarah Areli Segura Villa Tutor de Proyecto Actuario. Enrique Alfonso Guzmán Peto Septiembre 2013 Página 1 Índice General Introducción ...................................................................................................................................... 3 I. CRM (Customer Relationship Management) ................................................................................... 5 II. Técnicas de Minerías de Datos ..................................................................................................... 7 2.1 Árboles de Decisión. ............................................................................................................... 7 2.1.1. Método CHAID. ................................................................................................................ 9 2.1.2. Desigualdad de Bonferroni. ............................................................................................ 9 2.1.3. Criterios de Paro. .......................................................................................................... 10 2.2. Regresión Logística .............................................................................................................. 11 2.2.1. Interpretación del Modelo Logit. .................................................................................. 11 2.3. Medidas de Bondad de Ajuste ......

Words: 7638 - Pages: 31

Free Essay

Tzoa

...estilos, además de poseer diferentes carcasas intercambiables. Se puede colocar fácilmente en tu ropa, chaqueta, bicicleta, coche o encima del soporte de carga para tenerlo dentro de la casa u oficina. Un increíblemente pequeño ventilador (16x16x4.5mm) introduce el aire en la cámara óptica interior. Un laser rojo 630nm, con una muy pequeña longitud de onda, detecta partículas utilizando la tecnología de dispersión de la luz y sofisticados algoritmos. Un clic activará el LED y cambiará de color para informar de la calidad del aire en tiempo real. Sensores de luz fotosensibles detectan la duración y la intensidad de la exposición a la luz y a los rayos UV. Sensores internos miden la temperatura, la humedad y la presión atmosférica. Gracias a su lectura de humedad, se ajusta automáticamente el análisis PM de compensación por la presencia de humedad en el aire el cual puede afectar la medición de partículas. iOS y Android app reciben los datos individuales y devuelven recomendaciones. Parecido a un WAZE ambiental, la aplicación construye mapas crowdsourced de calidad del aire, otorgando alertas, además de señalar las áreas que hay que evitar. También permite a las usuarios publicar lugares peligrosos para las personas que sufran ataques de asma o alergia.  TZOA Particular disponible en Q4 2015 a partir de $99  TZOA Científico ofrecerá una mayor duración de la batería, capacidades de registro de datos, resoluciones mejoradas de los sensores, puertos de datos dedicados para...

Words: 261 - Pages: 2

Free Essay

Algoritmo

...operando o planificar un proyecto requiere de Inversión. Esta inyección de capital puede darse desde aportes de liquidez de los accionistas, emisión de acciones en el mercado de capitales, financiamiento de terceros. Normalmente, las empresas se inician con el aporte de los accionistas o dueños. El escenario ideal sería que la gestión sobre este capital permita seguir operando, sin embargo en escenarios normales, encontramos que y “hasta es necesario” diversificar el riesgo de los accionistas consolidando un buen equilibrio con el financiamiento externo. Llamamos financiamiento externo, cuando la empresa recurre a los agentes superavitarios como los bancos para conseguir capital; sin embargo no es la única opción. Las empresas pueden vender acciones las cuales le entregan a los compradores participación en la empresa, recibiendo (si a la empresa le va bien) dividendos. Otra opción (tema del presente trabajo) es la emisión de Deuda. Emitir deuda significa que la empresa recibe de los inversionistas (mercado) dinero y, a cambio, entrega un rendimiento. Para emitir deuda, las empresas cuentan con varios instrumentos financieros permitidos por la normativa peruana, como lo son los Bonos. Los bonos permiten a la compañía obtener dinero sin dar ningún tipo de control a los inversionistas. En general, los bonos se consideran una inversión segura, en parte debido a su previsibilidad, y porque son fáciles de vender. Una empresa con buena clasificación...

Words: 2431 - Pages: 10

Free Essay

OptimizacióN de Sistema de Parqueo

...Propuesta de Servicios de Desarrollo Cliente: Empresa Municipal de Movilidad del Municipio de Cuenca (EMOV) Contacto: Ing. Claudio Crespo, Director de Planificación de la Empresa de Movilidad (EMOV) del Municipio de Cuenca Fecha: 2 de Febrero de 2015 Por medio de la presente, PlexiFactory presenta su propuesta de Servicios de Desarrollo de una Plataforma de Operación para el Sistema de Parqueo Rotativo de la Ciudad de Cuenca. Esta propuesta se enmarca dentro de un proceso de ampliación de la cobertura del sistema de parqueo, combinado con una optimización de recursos de control. preliminares * La Empresa de Movilidad del Municipio de Cuenca (EMOV) será el Cliente de la propuesta. * El Cliente ha requerido información técnica y comercial para esta Plataforma, incluyendo todos los componentes necesarios para su operación, que incluyen (1) el pago del servicio por parte del usuario, (2) el registro de uso del servicio, (3) el control de usuarios que podrían haber excedido su tiempo y el cobro de las consiguientes multas por infracción y (4) un módulo de reportes para toma de decisiones. * Existe información que por su naturaleza es necesaria que PlexiFactory reciba como parte de este proceso y que podrá ser considerada confidencial por el Cliente y viceversa. Se procederá a la firma de Acuerdos de confidencialidad entre PlexiFactory y el Cliente. De considerarse necesario, y de acuerdo a las instrucciones del cliente, PlexiFactory se compromete a...

Words: 4588 - Pages: 19

Free Essay

Tendencias Bi

...Inteligencia de negocio tal y como la conocemos Índice Introducción Tendencia nº 1: Self-Service BI (Inteligencia de negocio de autoservicio) Tendencia nº 2: La BI se vuelve móvil Tendencia nº 3: Prestaciones colaborativas y sociales Tendencia nº 4: Inteligencia de negocio en la nube Tendencia nº 5: El código abierto toma el poder Tendencia nº 6: Big Data Tendencia nº 7: Percepción en tiempo real Conclusión Más información 3 4 5 6 7 8 9 10 11 11 Introducción Tras años de relativa estabilidad, el mundo de la Inteligencia de negocio está experimentando un cambio radical. Las antiguas reglas básicas ya no son aplicables, y las empresas no pueden dar por hecho que las estrategias de BI del pasado continúan siendo viables. Consideremos estos cambios fundamentales: • Las empresas se gestionan de forma diferente. En lugar de confiar en el instinto, las empresas actuales dan más importancia al procesamiento de números y a medir objetivamente el rendimiento. • Los usuarios consumen la información de forma diferente. La mayoría de las personas llevan años utilizando aplicaciones basadas en la Web para interactuar con sus datos personales y gestionarlos. Estas aplicaciones “concebidas para el consumidor” se basan en una experiencia intuitiva y altamente interactiva y en una capacidad de respuesta prácticamente instantánea. • Expectativas más exigentes. Las aplicaciones como MapQuest, Gmail y Facebook y las soluciones más especializadas como las que se utilizan para el análisis de tráfico...

Words: 4821 - Pages: 20

Free Essay

Hola Mundo

...Autónoma de Aguascalientes Prof. Eduardo Serna-Pérez Correo-e: eduardo.serna@gmail.com Introducción a compiladores • • • • • • • Definición de compilador Historia de los compiladores Tipos de traductores Fases de un compilador Agrupamiento de fases Compiladores cruzados Herramientas automáticas Definición de compilador • Los compiladores son programas de computadora que traducen de un lenguaje a otro. Un compilador toma como su entrada un programa escrito en lenguaje fuente y produce un programa equivalente escrito en lenguaje objeto. Lenguaje Fuente Traductor Lenguaje Destino Mensajes de error Definición de compilador • Generalmente al lenguaje fuente se le asocia como lenguaje de alto nivel, mientras al lenguaje objeto se el conoce como código objeto (código de maquina) escrito específicamente para una maquina objeto. A lo largo del proceso de traducción el compilador debe informar la presencia de errores en el lenguaje fuente. • Diseñar y desarrollar un compilador, no es tarea fácil, y quizás pocos profesionales de la computación se vean involucrados en esta tarea. • No obstante, los compiladores se utilizan en casi todas las formas de la computación y cualquiera involucrado en esta área debería conocer la organización y el funcionamiento básico de un compilador. Historia de los Compiladores • A finales de la década de 1940, comenzaron a construirse las primeras computadoras digitales y fue necesario implementar un lenguaje capas de realizar...

Words: 3261 - Pages: 14

Free Essay

Algoritmo de Asignación de Órganos Para Trasplante En La Región Emilia-Romagna (Italia) Y En La Provincia de Buenos Aires (Argentina). El Caso Del Trasplante Renal.

...Representación en la República Argentina Tesis final del Programa Académico “Políticas y Gestión en Salud. Europa – América Latina Año Académico 2011/2012 Algoritmo de asignación de órganos para trasplante en la región Emilia-Romagna (Italia) y en la provincia de Buenos Aires (Argentina). El caso del trasplante renal. Presentado por: María Clara Zerbino Director de Tesis: Carlos Vassallo 1 Índice Introducción ...................................................................................................................... 4 Situación global ................................................................................................................ 4 Trasplantes en Italia .......................................................................................................... 6 Trasplantes en Argentina .................................................................................................. 9 Algoritmo de asignación de órganos .............................................................................. 11 El caso del trasplante renal ............................................................................................. 13 Criterios de asignación en el caso de trasplante renal .................................................... 14 Criterios de asignación en el caso de trasplante renal en Italia ...................................... 15 Criterios de asignación en el caso de trasplante renal en Argentina .............................. 24 Conclusiones...

Words: 3750 - Pages: 15

Free Essay

Planificacion de Procesos

...Planicación de procesos Gunnar Wolf 21 de octubre de 2013 Índice 1. Tipos de planicación 1.1. Tipos de proceso . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. Midiendo la respuesta . . . . . . . . . . . . . . . . . . . . . . . . 2.1. 2.2. 2.3. 2.4. 2.5. 2.6. 2.7. 2.8. 2.9. Objetivos de la planicación . . . . . . . . . Primero llegado, primero servido (FCFS ) . Ronda (Round Robin ) . . . . . . . . . . . . El proceso más corto a continuación (SPN) Ronda egoísta (SRR) . . . . . . . . . . . . . Retroalimentación multinivel (FB) . . . . . Lotería . . . . . . . . . . . . . . . . . . . . . Esquemas híbridos . . . . . . . . . . . . . . Resumiendo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 7 4 5 2. Algoritmos de planicación 8 9 10 12 14 15 18 18 21 3. Planicación de hilos 3.1. Los hilos POSIX (pthreads) . . . . . . . . . . . . . . . . . . . . 4.1. 4.2. 4.3. 4.4. Anidad a procesador . . . . . . . . . . . Balanceo de cargas . . . . . . . . . . . . . Colas de procesos: ¾Una o varias? . . . . . Procesadores con soporte a hilos hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (hyperthreading ) . . . . . . . . . . . . 23 25 4. Planicación de multiprocesadores 25 26 26 27 27 30 31 31 5. Tiempo real 5.1....

Words: 10707 - Pages: 43

Free Essay

Oral

...1 1. DATOS INFORMATIVOS DOCENTE:Francisco Paredes | AREA ASIGNATURA: MATEMATICAS | AÑO DE EDUCACION: 3ero BGU | TIEMPO: | FECHA INICIO:2/05/2016 | | | | SEMANAS/PERIODOS: 6 semanas | FECHA FINAL:03/06/2016 | EJE CURRICULAR INTEGRADORAdquirir conceptos e instrumentos matemáticos que desarrollen el pensamiento lógico, matemático y crítico para resolver problemas mediante la elaboración de modelos. | EJE DE PRENDIZAJEEl eje curricular integrador del área de Matemática se sostiene en los siguientes ejes de aprendizaje: abstracción, generalización, conjetura y demostración; integración de conocimientos; comunicación de las ideas matemáticas; y el uso de las tecnologías en la solución de los problemas. | EJE TRANSVERSAL:conceptual Procedimental o calculativa (P) Procedimientos, manipulaciones simbólicas, algoritmos,Cálculo mental. Modernización (M). La capacidad de representar un problema no matemático (la mayoría delas veces) | EJE INSTITUCIONAL | AUTOEVALUACION sobre 100% | BLOQUE N° 1TÍTULO DEL BLOQUE/MÓDULO:Inducción matemática | OBJETIVO DEL BLOQUE/MODULO: * Reconocer y utilizar métodos de demostración, en particular la inducciñon matemática. * Aplicar las propiedades para demostrar proposiciones acerca de números naturales | | ESTANDARES DE APRENDIZAJE.DOMINIO A. Maneja con criterio el conocimiento sobre funciones y progresiones para modelizar problemas.DOMINIO B: Expresa un vector como la combinación lineal de otros dos...

Words: 11081 - Pages: 45

Free Essay

Optimizadores de Buscadores

...11 VOL.11 CU A DERN OS DE C OM UNIC A CIÓ N INT ER AC TI VA E l L ib ro Bl a n c o d e IA B SEO: OPTIMIZACIÓN DE WEBS PARA BUSCADORES Buena s prác ti cas y resu ltados Julio de 2010 revista de la comunicación y el marketing digital índice I. II. III. IV. V. VI. VII. VIII. IX. X. XI. XII. XIII. XIV. OBJETIVOS DEL LIBRO BLANCO............................................................... 4 INTRODUCCIÓN....................................................................................... 6 ¿QUÉ ES EL SEO?.................................................................................... 8 DIFERENCIAS ENTRE SEO Y SEM............................................................. 10 VENTAJAS DE SER VISIBLE EN BUSCADORES.......................................... 12 ¿CÓMO FUNCIONAN LOS BUSCADORES?.................................................. 14 ¿QUÉ HACE UN SEO?............................................................................... 16 METODOLOGÍA Y PROCESOS DEL SEO...................................................... 22 RECOMENDACIONES DE BUENAS PRÁCTICAS EN LO REFERENTE A LOS TRABAJOS, PERSONAS Y EMPRESAS DE SEO.................................... 30 MEDICIÓN DE RESULTADOS Y KPIs.......................................................... 34 FUTURO Y TENDENCIAS DEL SEO............................................................ 38 CASOS DE ÉXITO.........................................................................

Words: 13618 - Pages: 55

Free Essay

Introducion Al Eviews

...manual está todavía en proceso (de hecho sos el primero en utilizarlo) así que se agradecerá todos los errores u horrores que encuentres, así como sugerencias para mejorarlo. Correcciones a: ndepetris@utdt.edu o ivanca@arnet.com.ar . El producto E-views provee herramientas de regresión y predicción bajo Windows. Con E-views usted puede revelar una relación estadística desde sus datos y luego utilizar esta relación para predecir valores futuros de los mismos. Dentro de las áreas en donde E-views puede ser útil están: Predicción de ventas Análisis y predicción de costos. Análisis Financiero. Predicción macroeconómica. Simulación. Análisis científico de los datos y evaluación. E-views es una nueva versión del conjunto de herramientas para manipular series de tiempo originalmente desarrolladas en el software Time Series Processor para grandes computadoras. El predecesor inmediato de E-views fue el MicroTSP, lanzado por primera vez en 1981. Aunque Eviews fue desarrollado por economistas y la mayoría de sus usos están en la economía, no hay nada que haga limitar su utilidad a las series de tiempo económicas. Inclusive considerables proyectos de corte transversal pueden llevarse a cabo en E-views. El objeto básico dentro de E-views es la serie de tiempo. Cada serie posee un nombre, y usted puede realizar cualquier tipo de operación sobre todas las observaciones simplemente mencionando el nombre de la serie. E-views provee convenientes formas de visualización para ingresar las...

Words: 8183 - Pages: 33