Bienvenido a tu instalación de Moodle
Algunos enlaces de interés:
Objetivos:
Analizar sistemas en equilibrio.
Aplicar leyes de Newton en estructuras y cuerpos rígidos.
Resolver problemas de fuerzas y momentos.
Habilidades:
Cálculo de reacciones en apoyos y estructuras.
Representación gráfica de diagramas de cuerpo libre.
Uso de métodos de equilibrio en ingeniería.
Enseñanza:
Clases con resolución de problemas.
Prácticas de laboratorio con modelos físicos.
Simulación computacional de estructuras.
Objetivos:
Introducir el concepto de incertidumbre en los modelos matemáticos.
Aplicar distribuciones de probabilidad en sistemas reales.
Evaluar riesgos y escenarios posibles.
Habilidades:
Manejo de variables aleatorias.
Simulación de procesos estocásticos.
Análisis de confiabilidad y riesgo.
Enseñanza:
Ejercicios con simulaciones Monte Carlo.
Aplicaciones en ingeniería y economía.
Proyectos de predicción con datos reales.
Diseño de experimentos:
El diseño de experimentos es una técnica estadística que permite establecer relaciones de causa-efecto entre variables, manipulando una o más variables independientes para observar cómo afectan a una variable dependiente. En otras palabras, es la planificación estructurada de un experimento para obtener conclusiones válidas, confiables y replicables sobre una hipótesis.
Concepto Clave:
Definición: Método estadístico que busca comprobar hipótesis mediante la manipulación controlada de variables.
Objetivo principal: Identificar y cuantificar el efecto de una o más variables independientes sobre una variable dependiente.
Aplicación: Se usa en ciencias naturales, ingeniería, medicina, industria, marketing y políticas públicas.
Variable independiente: Factor que se manipula (ejemplo: cantidad de fertilizante).
Variable dependiente: Resultado que se mide (ejemplo: crecimiento de plantas).
Variables de control: Factores que se mantienen constantes para evitar sesgos (ejemplo: tipo de suelo, luz solar).
Hipótesis: Suposición inicial que se busca confirmar o refutar.
Definir variables (independiente, dependiente y de control).
Plantear hipótesis sobre la relación esperada.
Planificar el experimento (muestra, condiciones, número de repeticiones).
Recolectar datos de manera sistemática.
Analizar resultados con métodos estadísticos.
Extraer conclusiones sobre la validez de la hipótesis.
Pregunta: ¿Las horas de sueño afectan el estado de ánimo en el trabajo?
Variable independiente: Promedio de horas de sueño.
Variable dependiente: Estado de ánimo de los trabajadores.
Diseño: Se manipulan las horas de sueño en distintos grupos y se mide el ánimo al día siguiente.
Validez: El experimento debe realmente medir lo que se pretende.
Confiabilidad: Los resultados deben ser consistentes si se repite el estudio.
Replicabilidad: Otros investigadores deben poder reproducir el experimento con los mismos resultados.
Control de errores: Es crucial minimizar el error aleatorio y los sesgos.
Ronald Fisher es considerado el padre del diseño de experimentos, con su obra The Design of Experiments (1935).
Inicialmente aplicado en agronomía, luego se expandió a biología, industria textil, química, electrónica y más.
Un modelo determinístico es un modelo matemático en el que las mismas condiciones iniciales siempre producen los mismos resultados, sin considerar la aleatoriedad o incertidumbre.
Definición
Un modelo determinístico es una representación matemática de un sistema donde el resultado está completamente determinado por las condiciones iniciales y las ecuaciones que lo rigen. Esto significa que, dado un conjunto específico de datos de entrada, el modelo generará siempre el mismo resultado cada vez que se ejecute.
Objetivos:
Comprender modelos matemáticos con resultados predecibles.
Aplicar ecuaciones y algoritmos determinísticos en ingeniería.
Desarrollar capacidad de modelar sistemas sin incertidumbre.
Habilidades:
Formulación de modelos lineales y no lineales.
Resolución de problemas de optimización.
Interpretación de resultados exactos.
Enseñanza:
Ejercicios matemáticos aplicados.
Uso de software de modelado.
Casos prácticos en logística y producción.
Objetivos:
Comprender los conceptos de probabilidad y estadística.
Aplicar métodos de inferencia estadística en problemas reales.
Desarrollar capacidad crítica para interpretar datos.
Habilidades:
Manejo de poblaciones, muestras y variables.
Uso de distribuciones de probabilidad.
Elaboración de tablas, gráficas y medidas de tendencia central y dispersión.
Enseñanza:
Clases teóricas con ejemplos prácticos.
Ejercicios con software estadístico.
Proyectos de análisis de datos reales.
Objetivos:
Comprender la formulación y solución de ecuaciones diferenciales.
Aplicar métodos analíticos y numéricos en problemas de ingeniería.
Modelar fenómenos físicos y dinámicos.
Habilidades:
Resolución de ecuaciones ordinarias y parciales.
Uso de métodos de integración y series.
Aplicación en sistemas mecánicos, eléctricos y térmicos.
Enseñanza:
Clases teóricas con ejemplos de aplicación.
Prácticas con software matemático (MATLAB, Wolfram).
Proyectos de modelado de sistemas dinámicos.