Estadística y muestreo.

Estadística y muestreo. 13ª Edición

Martínez Bencardino, Ciro (Autor)
Acosta Quintero, Alexander (Coordinador)

—Verificar Estado—

Se llega con esta publicación a la décima tercera edición, en varias ocasiones con reimpresiones, lo cual indica su gran aceptación durante sus 32 años de vigencia en el mercado educativo. Cada edición ha estado sujeta a una rigurosa depuración, revisión y enriquecimiento continuo, a fin que su contenido se mantenga actualizado y acorde a las necesidades tanto de alumnos como de profesores. Propone aproximadamente mil 300 ejercicios cuyos procesos y respuestas se hallan en el Sistema de Información en Línea (SIL) de Ecoe Ediciones.

Pruebas selectivas en la auditoria

Estupiñán Gaitán, Rodrígo, Gutiérrez M., Adriana

—Ver Estado————————————————————————

Uno de los campos donde últimamente se ha buscado con más interés la aplicación de las técnicas de muestreo estadístico, es en la auditoria profesional. Las técnicas de pruebas selectivas, mediante el muestreo estadístico, son un valioso instrumento que puede ayudar a los auditores en general a examinar los estados financieros o ejecutar trabajos de auditoria interna, operacional, forense y de gestión.

Los procedimientos de muestreo o de pruebas selectivas, también se utilizan en diversas disciplinas técnicas y científicas tales como: estimaciones de población, investigaciones de mercados, apreciaciones de la opinión pública, control de calidad de artículos que salen de un proceso industrial, inspección de la cantidad de productos entregados por los proveedores, encuestas políticas etc.

El libro se ordenó con temas correlacionados bajo aspectos teóricos y prácticos, incluyendo un CD con ampliación de los mismos.

Reconocimiento de patrones utilizando redes neuronales

Pattern Recognition Using Neural Networks Theory and Algorithms for Engineers and Scientists 
Carl G. Looney

—Verificar Estado—————————————————————————————————————-

Pattern recognition using neural networks cubre el reconocimiento tradicional patrón lineal y su extensión no lineal a través de redes neuronales. El enfoque es algorítmica para una fácil implementación en un equipo, que hace de este un refrescante lo que-por qué-y cómo el texto que contrasta con el enfoque teórico y la hipérbole castillos en el cielo de muchos libros sobre redes neuronales. Cubre el reconocimiento de patrones estándar de la teoría de la decisión de la agrupación a través de la distancia mínima, los métodos gráficos y estructurales, y la discriminación Bayesiano.

Reconocedores de patrones evolucionan a través de las secciones en perceptrones, una capa de perceptrones, perceptrones múltiples capas, las redes funcionales de enlace y redes de funciones de base radial. Otras redes tratadas en el proceso son las redes de aprendizaje de cuantización vectorial, mapas de auto-organización y las redes neuronales recursivas. Backpropagation se deriva en detalle completo para una y dos capas ocultas para las dos funciones de activación sigmoide unipolar y bipolar.

Sistemas no lineales

Nonlinear Systems, 3 Edition
K. Hassan Khalil, Universidad Estatal de Michigan,

1. Introducción.
Modelos no lineales y fenómenos no lineales.
Ejemplos.

2. En segundo lugar los sistemas de orden.
Comportamiento cualitativo de sistemas lineales.
Equilibrios múltiples.
Comportamiento Cualitativo Cerca de puntos de equilibrio.
Ciclos límite.
Construcción numérica de Retratos de fase.
Existencia de órbitas periódicas.
Bifurcación.
Sistemas.

3. Propiedades Fundamentales.
Existencia y unicidad.
Continua dependencia de las condiciones iniciales y parámetros.
Diferenciabilidad de las soluciones y las ecuaciones de sensibilidad.
Principio de comparación.

4. Estabilidad de Lyapunov.
Sistemas Autónomos.
El principio de invariancia.
Sistemas lineales y linealización.
Comparación de funciones.
Sistemas no autónomos.
Lineales distintos intervalos de tiempo de Sistemas y linealización.
Teoremas de Converse.
Acotación Acotación y Ultimate.
Entrada a la estabilidad y el Estado.

5. Input-Output de Estabilidad.
Estabilidad L.
L estabilidad de los modelos de Estado.
Ganancia L2.
Sistemas de votos: El teorema de pequeña ganancia.

6. La pasividad.
Funciones sin memoria.
Modelos de Estado.
Positivo funciones de transferencia real.
L2 y la estabilidad de Lyapunov.
Sistemas de votos: Teoremas de pasividad.

7. Dominio de la frecuencia de Análisis de Sistemas de votos.
Estabilidad absoluta.
La función que describe el método.

8. Análisis Avanzado de Estabilidad.
El Centro Teorema del colector.
Región de la atracción.
Teoremas Invariancia similar.
La estabilidad de soluciones periódicas.

9. Estabilidad de sistemas perturbados.
Perturbación de fuga.
Perturbación no nula.
Comparación de los métodos.
Continuidad de las soluciones en el Nivel Infinito.
Sistemas Interconectados.
Poco a poco los diferentes sistemas.

10. Teoría de la perturbación y el promedio.
El método de perturbación.
Perturbación en el Nivel Infinito.
Periódico perturbación de Sistemas Autónomos.
Promedio.
Osciladores no lineales semanal de segundo orden.
Promedio general.

11. Perturbaciones singulares.
El Modelo Estándar perturbación singular.
Propiedades de escala de tiempo del Modelo Estándar.
Perturbación singular en el intervalo infinito.
Lenta y Distribuidores rápido.
Análisis de Estabilidad.

12. Comentarios de control.
Control de Problemas.
Estabilización a través de linealización.
Control Integral.
Mando Integral a través de linealización.
Programación de ganancia.

13. Linealización de votos.
Motivación.
Linealización entrada-salida.
Full-Estado linealización.
Control del Estado de votos.

14. Herramientas de diseño no lineal.
Control por modo deslizante.
Rediseño de Lyapunov.
Backstepping.
Control basado en pasividad.
Alta Ganancia observadores.

Apéndice A. Examen de Matemáticas.
Apéndice B. Asignación de contracción.
Apéndice C. Pruebas.