El documento describe varios métodos para resolver problemas de transporte, incluyendo el método del costo mínimo, el método de la esquina noroeste, y el método de aproximación de Vogel. Estos métodos asignan artículos de un conjunto de orígenes a un conjunto de destinos de manera que se optimice una función objetivo, sujeto a restricciones de oferta y demanda.
Cálculo de la distribución normal con excel o calcA Rego
Este documento proporciona instrucciones para calcular probabilidades utilizando distribuciones normales estándar y no estándar en Excel y Calc. Explica cómo usar las funciones DISTRIB.NORM, DISTRIB.NORM.ESTAND y NORMALIZACION para calcular probabilidades como P(z≤z0), P(z>z0) y P(z1≤z≤z2) introduciendo parámetros como la media, desviación típica y valores z en celdas.
El documento resume 4 ejercicios sobre la distribución normal. El primero calcula la probabilidad de obtener una puntuación menor a 10.5 en una escala de autoestima. El segundo calcula porcentajes de altura en adolescentes. El tercero calcula porcentajes de glucemia basal en diabéticos. En cada ejercicio se usan fórmulas de distribución normal y tablas para calcular probabilidades y porcentajes pedidos.
1) El documento presenta varios ejercicios estadísticos que involucran distribuciones de probabilidad como la normal, binomial y de Poisson.
2) Los ejercicios calculan probabilidades como la probabilidad de que un peso sea superior a 100 kg dado que sigue una distribución normal, o la probabilidad de que en una muestra aprueben al menos 150 personas dado el porcentaje de la población con una enfermedad.
3) Se resuelven usando fórmulas, tablas y aproximaciones de distribuciones discretas a continuas como aproximar una binomial
Este documento presenta varios problemas de probabilidad y estadística relacionados con distribuciones normales. Incluye cálculos de áreas bajo la curva normal, valores-z, probabilidades y porcentajes. Los problemas abarcan temas como máquinas expendedoras, tiempos de viaje, resistencia de materiales y control de calidad.
Este documento presenta varios ejercicios resueltos relacionados con la aplicación del Teorema del Límite Central. En los ejercicios se calculan probabilidades para variables aleatorias con distribuciones normales dados diferentes tamaños de muestra. Por ejemplo, se calcula la probabilidad de que el diámetro promedio de una muestra de anillos esté dentro de un rango específico y cómo esta probabilidad cambia con un tamaño de muestra mayor.
Este documento describe la distribución normal y su curva en forma de campana. Explica que la distribución normal está caracterizada por su media y desviación estándar. También cubre cómo tipificar una distribución normal para convertirla a una distribución normal estándar con media 0 y desviación estándar 1. Incluye ejemplos de cómo calcular probabilidades usando tablas de la distribución normal estándar.
Este documento describe los componentes clave de la salida de una regresión lineal en STATA. Explica que la regresión lineal minimiza la suma de los cuadrados de los errores para determinar la línea de mejor ajuste entre una variable dependiente y una o más independientes. Luego resume cada sección de la salida de STATA, incluido el análisis de varianza, las medidas de ajuste del modelo y la estimación de parámetros.
El documento describe varios métodos para resolver problemas de transporte, incluyendo el método del costo mínimo, el método de la esquina noroeste, y el método de aproximación de Vogel. Estos métodos asignan artículos de un conjunto de orígenes a un conjunto de destinos de manera que se optimice una función objetivo, sujeto a restricciones de oferta y demanda.
Cálculo de la distribución normal con excel o calcA Rego
Este documento proporciona instrucciones para calcular probabilidades utilizando distribuciones normales estándar y no estándar en Excel y Calc. Explica cómo usar las funciones DISTRIB.NORM, DISTRIB.NORM.ESTAND y NORMALIZACION para calcular probabilidades como P(z≤z0), P(z>z0) y P(z1≤z≤z2) introduciendo parámetros como la media, desviación típica y valores z en celdas.
El documento resume 4 ejercicios sobre la distribución normal. El primero calcula la probabilidad de obtener una puntuación menor a 10.5 en una escala de autoestima. El segundo calcula porcentajes de altura en adolescentes. El tercero calcula porcentajes de glucemia basal en diabéticos. En cada ejercicio se usan fórmulas de distribución normal y tablas para calcular probabilidades y porcentajes pedidos.
1) El documento presenta varios ejercicios estadísticos que involucran distribuciones de probabilidad como la normal, binomial y de Poisson.
2) Los ejercicios calculan probabilidades como la probabilidad de que un peso sea superior a 100 kg dado que sigue una distribución normal, o la probabilidad de que en una muestra aprueben al menos 150 personas dado el porcentaje de la población con una enfermedad.
3) Se resuelven usando fórmulas, tablas y aproximaciones de distribuciones discretas a continuas como aproximar una binomial
Este documento presenta varios problemas de probabilidad y estadística relacionados con distribuciones normales. Incluye cálculos de áreas bajo la curva normal, valores-z, probabilidades y porcentajes. Los problemas abarcan temas como máquinas expendedoras, tiempos de viaje, resistencia de materiales y control de calidad.
Este documento presenta varios ejercicios resueltos relacionados con la aplicación del Teorema del Límite Central. En los ejercicios se calculan probabilidades para variables aleatorias con distribuciones normales dados diferentes tamaños de muestra. Por ejemplo, se calcula la probabilidad de que el diámetro promedio de una muestra de anillos esté dentro de un rango específico y cómo esta probabilidad cambia con un tamaño de muestra mayor.
Este documento describe la distribución normal y su curva en forma de campana. Explica que la distribución normal está caracterizada por su media y desviación estándar. También cubre cómo tipificar una distribución normal para convertirla a una distribución normal estándar con media 0 y desviación estándar 1. Incluye ejemplos de cómo calcular probabilidades usando tablas de la distribución normal estándar.
Este documento describe los componentes clave de la salida de una regresión lineal en STATA. Explica que la regresión lineal minimiza la suma de los cuadrados de los errores para determinar la línea de mejor ajuste entre una variable dependiente y una o más independientes. Luego resume cada sección de la salida de STATA, incluido el análisis de varianza, las medidas de ajuste del modelo y la estimación de parámetros.
Este documento presenta el algoritmo del método de los multiplicadores para resolver problemas de transporte. Introduce el problema de transporte de SunRay Transport Company y muestra cómo determinar la solución inicial, identificar la variable de entrada y salida, y actualizar la solución utilizando ecuaciones de multiplicadores.
Este documento presenta los pasos para verificar una hipótesis estadística. Explica que la hipótesis nula (H0) es un enunciado preciso mientras que la hipótesis alternativa (HA) es menos precisa. Para rechazar o aceptar la hipótesis nula, se compara el valor del estadístico de prueba con la región crítica determinada por el nivel de significancia alfa. A continuación, detalla los cinco pasos para verificar una hipótesis con un ejemplo numérico donde la hipótesis
Este documento presenta información sobre distribuciones de probabilidad normales y conceptos estadísticos básicos. Explica que la distribución normal es la más importante y que existen medidas de tendencia central como la media y medidas de dispersión como la varianza y desviación estándar. Luego proporciona ejemplos y ejercicios para calcular probabilidades utilizando tablas de distribución normal.
Este documento describe la distribución normal y cómo calcular probabilidades utilizando esta distribución. Explica que una distribución normal está caracterizada por su media y desviación estándar, y que su gráfica forma una campana de Gauss. También introduce la distribución normal estándar con media 0 y desviación estándar 1, y cómo transformar cualquier distribución normal a esta forma estándar mediante tipificación. A continuación, proporciona ejemplos numéricos de cómo calcular áreas y probabilidades bajo la curva normal.
Este documento presenta información sobre problemas de transporte, trasbordo y asignación. Explica aspectos básicos de los problemas de transporte como orígenes, destinos, costos de transporte, oferta y demanda. Luego describe cómo formular estos problemas como modelos de programación lineal, indicando variables de decisión, función objetivo y restricciones. Finalmente, resume algoritmos para resolver problemas de transporte, incluyendo métodos para obtener soluciones iniciales y óptimas.
Ejercicios de distribución normal estándar y área bajo la curva (5)Luz Hernández
Ejercicios de distribución normal estándar y área bajo la curva del Libro de "Estadística aplicada a los negocios y a la economía" de Lind, Marchal y Wath
Se lleva a cabo un experimento para comparar el desgaste por abrasivo de dos materiales laminados. El material 1 tuvo un desgaste promedio de 85 unidades y el material 2 de 81 unidades. Usando una prueba t de Student con un nivel de significancia del 0.05, no se puede concluir que el desgaste del material 1 exceda el del material 2 en más de 2 unidades.
El documento explica los pasos del método de Simplex para resolver problemas de programación lineal, incluyendo la construcción de la matriz inicial, la selección de la columna y fila pivote, y las iteraciones para optimizar la función objetivo sujeto a restricciones. Se provee un ejemplo numérico para maximizar y minimizar funciones objetivo.
Formulas de concentraciones de disoluciones y ejemplos de concentracionGarci Crespo
El documento explica cómo calcular el porcentaje volumétrico y porcentaje en masa de un soluto en una disolución. Define las fórmulas para calcular el volumen o masa del soluto y la disolución a partir del porcentaje conocido. También presenta ecuaciones para calcular el volumen o masa del disolvente cuando se conocen los otros valores.
Este documento resume la distribución normal estándar, incluyendo su historia, definición, propiedades y ejemplos. Explica que la distribución normal surge al considerar un modelo binomial con un número muy grande de ensayos, y fue desarrollada de forma independiente por De Moivre y Gauss. Define una variable aleatoria normal estándar Z como aquella con media 0 y varianza 1, y explica cómo transformar cualquier variable normal a esta forma estándar. Además, presenta ejemplos numéricos para calcular probabilidades usando la distribución normal.
Formulas de concentraciones de disoluciones y ejemplos de concentracion (1)Arturo Arana
Este documento explica cómo calcular el porcentaje en volumen y masa de un soluto en una disolución, y cómo usar esos porcentajes para calcular el volumen o masa del soluto y disolvente. Proporciona fórmulas para calcular el porcentaje, volumen del soluto, volumen de la disolución, y volumen del disolvente. También incluye fórmulas equivalentes para cálculos basados en la masa en lugar del volumen.
Este documento presenta la resolución de un problema de programación lineal mediante el método de las dos fases. En la primera fase se minimizan las variables holgura y exceso para obtener una solución factible al problema relajado. En la segunda fase se resuelve el problema original minimizando la función objetivo sujeta a las restricciones factibles.
El método simplex en dos fases resuelve un modelo de programación lineal en dos etapas. La Fase 1 encuentra una solución básica factible inicial para el modelo aumentado que elimina todas las variables artificiales. La Fase 2 usa esta solución como punto de partida para encontrar la solución óptima del modelo original usando el método simplex regular.
1. Se realizó un experimento para determinar el efecto del alcohol en el rendimiento de una tarea. Diez personas realizaron la tarea sin y con alcohol en su organismo. Los resultados no mostraron evidencia estadística de que el tiempo promedio antes fuera menor a después por más de diez minutos.
2. Se analizaron los resultados de medir el contenido de 25 botellas llenadas de forma aleatoria. Los criterios para determinar si el proceso está fuera de control y la prueba estadística propuesta.
3. Se midieron 16 vig
El documento presenta los resultados de 6 mediciones de pH de muestras de agua de aserraderos. Se calculan estadísticos descriptivos como media, mediana y desviación estándar. Dado que la muestra es pequeña pero proviene de una población aproximadamente normal, se puede obtener un intervalo de confianza para la media usando la curva t de Student.
Este documento presenta propiedades de las desigualdades con valor absoluto. Explica que |x| < a si y solo si -a < x < a, y que |x| ≤ a si y solo si -a ≤ x ≤ a. También indica que |x| > a si x < -a o x > a, y que |x| ≥ a si x ≤ -a o x ≥ a. Proporciona ejemplos para ilustrar estas propiedades y resuelve dos desigualdades con valor absoluto.
Este documento describe el método gráfico para resolver problemas de programación lineal. El método consiste en definir gráficamente la región factible que satisface todas las restricciones y luego encontrar el vértice dentro de esa región que optimice el valor de la función objetivo. Solo problemas con tres variables o menos pueden representarse gráficamente.
El documento presenta varios problemas relacionados con muestreo estadístico y distribuciones normales. En el primer problema, se calcula el tamaño de muestra estratificado por sexo y nivel de trabajo para una encuesta de 80 personas. En el segundo, se calculan probabilidades asociadas a la estatura de estudiantes que sigue una distribución normal. En el tercero, se calculan intervalos de confianza para medias muestrales con diferentes niveles de confianza.
Este documento describe un estudio para determinar si existen diferencias en los diámetros de tubos producidos por 5 máquinas. Se midieron 5 tubos de cada máquina y los datos muestran las medias de diámetros. Se realizó un análisis de varianza que encontró diferencias significativas entre las máquinas. Las comparaciones de Tukey y Duncan indican que la máquina 1 produce los mejores diámetros que cumplen con las especificaciones.
Este documento presenta el algoritmo del método de los multiplicadores para resolver problemas de transporte. Introduce el problema de transporte de SunRay Transport Company y muestra cómo determinar la solución inicial, identificar la variable de entrada y salida, y actualizar la solución utilizando ecuaciones de multiplicadores.
Este documento presenta los pasos para verificar una hipótesis estadística. Explica que la hipótesis nula (H0) es un enunciado preciso mientras que la hipótesis alternativa (HA) es menos precisa. Para rechazar o aceptar la hipótesis nula, se compara el valor del estadístico de prueba con la región crítica determinada por el nivel de significancia alfa. A continuación, detalla los cinco pasos para verificar una hipótesis con un ejemplo numérico donde la hipótesis
Este documento presenta información sobre distribuciones de probabilidad normales y conceptos estadísticos básicos. Explica que la distribución normal es la más importante y que existen medidas de tendencia central como la media y medidas de dispersión como la varianza y desviación estándar. Luego proporciona ejemplos y ejercicios para calcular probabilidades utilizando tablas de distribución normal.
Este documento describe la distribución normal y cómo calcular probabilidades utilizando esta distribución. Explica que una distribución normal está caracterizada por su media y desviación estándar, y que su gráfica forma una campana de Gauss. También introduce la distribución normal estándar con media 0 y desviación estándar 1, y cómo transformar cualquier distribución normal a esta forma estándar mediante tipificación. A continuación, proporciona ejemplos numéricos de cómo calcular áreas y probabilidades bajo la curva normal.
Este documento presenta información sobre problemas de transporte, trasbordo y asignación. Explica aspectos básicos de los problemas de transporte como orígenes, destinos, costos de transporte, oferta y demanda. Luego describe cómo formular estos problemas como modelos de programación lineal, indicando variables de decisión, función objetivo y restricciones. Finalmente, resume algoritmos para resolver problemas de transporte, incluyendo métodos para obtener soluciones iniciales y óptimas.
Ejercicios de distribución normal estándar y área bajo la curva (5)Luz Hernández
Ejercicios de distribución normal estándar y área bajo la curva del Libro de "Estadística aplicada a los negocios y a la economía" de Lind, Marchal y Wath
Se lleva a cabo un experimento para comparar el desgaste por abrasivo de dos materiales laminados. El material 1 tuvo un desgaste promedio de 85 unidades y el material 2 de 81 unidades. Usando una prueba t de Student con un nivel de significancia del 0.05, no se puede concluir que el desgaste del material 1 exceda el del material 2 en más de 2 unidades.
El documento explica los pasos del método de Simplex para resolver problemas de programación lineal, incluyendo la construcción de la matriz inicial, la selección de la columna y fila pivote, y las iteraciones para optimizar la función objetivo sujeto a restricciones. Se provee un ejemplo numérico para maximizar y minimizar funciones objetivo.
Formulas de concentraciones de disoluciones y ejemplos de concentracionGarci Crespo
El documento explica cómo calcular el porcentaje volumétrico y porcentaje en masa de un soluto en una disolución. Define las fórmulas para calcular el volumen o masa del soluto y la disolución a partir del porcentaje conocido. También presenta ecuaciones para calcular el volumen o masa del disolvente cuando se conocen los otros valores.
Este documento resume la distribución normal estándar, incluyendo su historia, definición, propiedades y ejemplos. Explica que la distribución normal surge al considerar un modelo binomial con un número muy grande de ensayos, y fue desarrollada de forma independiente por De Moivre y Gauss. Define una variable aleatoria normal estándar Z como aquella con media 0 y varianza 1, y explica cómo transformar cualquier variable normal a esta forma estándar. Además, presenta ejemplos numéricos para calcular probabilidades usando la distribución normal.
Formulas de concentraciones de disoluciones y ejemplos de concentracion (1)Arturo Arana
Este documento explica cómo calcular el porcentaje en volumen y masa de un soluto en una disolución, y cómo usar esos porcentajes para calcular el volumen o masa del soluto y disolvente. Proporciona fórmulas para calcular el porcentaje, volumen del soluto, volumen de la disolución, y volumen del disolvente. También incluye fórmulas equivalentes para cálculos basados en la masa en lugar del volumen.
Este documento presenta la resolución de un problema de programación lineal mediante el método de las dos fases. En la primera fase se minimizan las variables holgura y exceso para obtener una solución factible al problema relajado. En la segunda fase se resuelve el problema original minimizando la función objetivo sujeta a las restricciones factibles.
El método simplex en dos fases resuelve un modelo de programación lineal en dos etapas. La Fase 1 encuentra una solución básica factible inicial para el modelo aumentado que elimina todas las variables artificiales. La Fase 2 usa esta solución como punto de partida para encontrar la solución óptima del modelo original usando el método simplex regular.
1. Se realizó un experimento para determinar el efecto del alcohol en el rendimiento de una tarea. Diez personas realizaron la tarea sin y con alcohol en su organismo. Los resultados no mostraron evidencia estadística de que el tiempo promedio antes fuera menor a después por más de diez minutos.
2. Se analizaron los resultados de medir el contenido de 25 botellas llenadas de forma aleatoria. Los criterios para determinar si el proceso está fuera de control y la prueba estadística propuesta.
3. Se midieron 16 vig
El documento presenta los resultados de 6 mediciones de pH de muestras de agua de aserraderos. Se calculan estadísticos descriptivos como media, mediana y desviación estándar. Dado que la muestra es pequeña pero proviene de una población aproximadamente normal, se puede obtener un intervalo de confianza para la media usando la curva t de Student.
Este documento presenta propiedades de las desigualdades con valor absoluto. Explica que |x| < a si y solo si -a < x < a, y que |x| ≤ a si y solo si -a ≤ x ≤ a. También indica que |x| > a si x < -a o x > a, y que |x| ≥ a si x ≤ -a o x ≥ a. Proporciona ejemplos para ilustrar estas propiedades y resuelve dos desigualdades con valor absoluto.
Este documento describe el método gráfico para resolver problemas de programación lineal. El método consiste en definir gráficamente la región factible que satisface todas las restricciones y luego encontrar el vértice dentro de esa región que optimice el valor de la función objetivo. Solo problemas con tres variables o menos pueden representarse gráficamente.
El documento presenta varios problemas relacionados con muestreo estadístico y distribuciones normales. En el primer problema, se calcula el tamaño de muestra estratificado por sexo y nivel de trabajo para una encuesta de 80 personas. En el segundo, se calculan probabilidades asociadas a la estatura de estudiantes que sigue una distribución normal. En el tercero, se calculan intervalos de confianza para medias muestrales con diferentes niveles de confianza.
Este documento describe un estudio para determinar si existen diferencias en los diámetros de tubos producidos por 5 máquinas. Se midieron 5 tubos de cada máquina y los datos muestran las medias de diámetros. Se realizó un análisis de varianza que encontró diferencias significativas entre las máquinas. Las comparaciones de Tukey y Duncan indican que la máquina 1 produce los mejores diámetros que cumplen con las especificaciones.
El Observatorio ciudadano Irapuato ¿Cómo vamos?, presenta el
Reporte hemerográfico al mes de mayo de 2024
Este reporte contiene información registrada por Irapuato ¿cómo vamos? analizando los medios de comunicación tanto impresos como digitales y algunas fuentes de información como la Secretaría de Seguridad ciudadana.
Mostrar, agrupar y describir según elementos gráficos las imágenes que se utilizan para presentar noticias y artículos sobre la Inteligencia Artificial en Abril de 2024 en medios digitales como el Tiempo, el Espectador, Portafolio, La República, un artículo de Harvard Business Review y un Boletín Informativo de OpenMind BBVA.
Creación y alimentación de una base de datos de imágenes que ilustran las noticias y algunos artículos sobre la IA en el mes de abril del 2024.
Agrupación de las imágenes según elementos gráficos.
Elaboración de estadísticas descriptivas sobre creadores de las imágenes y elementos gráficos.
Las imágenes que muestran la creación de la Inteligencia Artificial, IA, algunas de estas imitan “La Creación de Adam” de Miguel Ángel, 1508-1512. Una mano humana y una mano de robot crean la IA, visualizada como un cerebro o red de conexiones.
La Inteligencia Artificial vista como una tecla, un llamado de atención o un diagrama del cerebro sobrepuesta a una tarjeta madre de un dispositivo digital o a una red de conexiones o a una app.
La Inteligencia Artificial identificada con imágenes del cerebro humano.
Las manos e imágenes del cerebro asociados a la representación humana de la Inteligencia Artificial.
Visualización de la Inteligencia humana mediante la cabeza humana.
La inteligencia Artificial transformada en un robot autónomo que inclusive es quien ingresa y utiliza la IA en los dispositivos digitales y exhibe emociones humanas, como la sonrisa.
La usabilidad de la IA será individual o en grupo. La primera imagen en la esquina superior izquierda muestra el carácter colaborativo entre la IA y los Expertos. Los usuarios será tanto mujeres como hombres.
La IA será una funcionalidad más en los buscadores y en muchas de las apps como en WhatsApp, pero también se utilizará como aplicaciones independientes y especializadas.
Las personas interactúan con la IA utilizando programas emergentes tipo hologramas y con la incorporación de chips en el cuerpo.
Ya están disponibles y se desarrollan aún más las aplicaciones de la inteligencia artificial en el comercio, el deporte, la medicina, el derecho y las finanzas. También en el campo laboral, atención a grupos poblacionales vulnerables y en los programas de seguridad en el espacio público.
Así como nos ayudará a gestionar el cambio climático también constituye un riesgo a nivel armamentista ya que se puede utilizar con fines bélicos.
Las imágenes utilizadas proceden en su gran mayoría de noticias sobre la IA en medios digitales como el Tiempo, el Espectador, Portafolio, La República, un artículo de Harvard Business Review y un Boletín Informativo de OpenMind BBVA. El 20% de estas imágenes se obtuvieron por petición de imágenes de la IA a Bing-Copilot.
Las imágenes de la inteligencia artificial, muestran al hombre en un 78%, al robot o sus partes en un 37% y a los dispositivos digitales, equipos médicos especializados y drones en un 73%.
Yahoo! es una compañía tecnológica fundada en 1994 que comenzó como un directorio de sitios web y se convirtió en uno de los primeros motores de búsqueda y portales en Internet. Ofrecía servicios variados como correo electrónico, noticias, finanzas y entretenimiento, siendo una parte fundamental del crecimiento inicial de la web. A lo largo de su historia, Yahoo! ha evolucionado y enfrentado desafíos significativos, pero su legado incluye su contribución pionera a la accesibilidad y organización de la información en línea.
Presentación de las principales temáticas de investigación de la matemática, administradora pública y magister en ciencias, Beatriz García Peña. Investigación en materia de evaluación de políticas públicas, de transparencia electoral y en web site e inteligencia artificial. Se destaca la investigación sobre la pandemia por Covid-19 en Colombia, la cual esta conformada por 21 investigaciones, adelantadas en tiempo real, máximo 24 horas después de publicada la base de datos oficial y que precisan la diferenciación regional y demográfica, la incidencia de las diferentes cepas del Covid-19, el efecto de las distintas medidas de control implementadas para el control del contagio en Colombia.