+ All Categories
Home > Documents > CLUSTER Y DECLUSTER

CLUSTER Y DECLUSTER

Date post: 09-Jan-2023
Category:
Upload: independent
View: 0 times
Download: 0 times
Share this document with a friend
12
UNIVERSIDAD NACIONAL DE INGENIERÍA FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y METALÚRGICA CURSO: SISTEMAS DE PROCESAMIENTO DE DATOS DOCENTE: Dr. MARIN SUAREZ ALFREDO ALUMNO: CULQUI VALLE DONALD 2013 – II
Transcript

UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA GEOLÓGICA, MINERA Y

METALÚRGICA

CURSO: SISTEMAS DE PROCESAMIENTO DE DATOS

DOCENTE: Dr. MARIN SUAREZ ALFREDO

ALUMNO:

CULQUI VALLE DONALD

2013 – II

OBJETIVOS:

HAACER UNA ANALISIS DE DATOS MEDIANTE CLUSTER YDECLUSTER.

GRAFICAR HISTOGRAMAS.

GENERAR LEYES Y COORDENADAS DE TALADROS (LEYES CONDISTRIBUCION LOGNORMAL Y LAS COORDENADAS CONDISTRIBUCION UNIFORME)

ANALISIS DE TODOS LOS DATOS GENERADOS ALEATORIAMENTE

promedio

0.075

var 0.0065desv 0.08058CV 1.078

x y ley1 565 145 0.01

42 493 586 0.08

53 276 132 0.07

14 53 506 0.02

85 442 519 0.03

26 405 396 0.05

97 265 214 0.09

18 112 181 0.05

79 188 397 0.00

910 363 307 0.07

211 202 9 0.03

912 49 309 0.34

113 97 395 0.04

914 595 526 0.06

215 463 495 0.04

716 136 370 0.03

817 246 580 0.03

018 443 335 0.03

919 453 149 0.00

720 205 568 0.00

921 200 164 0.05

322 455 184 0.05

323 117 44 0.16

224 548 330 0.06

925 503 205 0.03

326 291 199 0.01

x y ley36 127 273 0.25

537 53 269 0.04

238 263 250 0.06

639 447 388 0.06

940 168 78 0.28

241 216 170 0.12

842 65 101 0.01

643 111 477 0.02

344 131 201 0.05

245 530 226 0.01

646 524 315 0.06

547 124 579 0.01

948 364 499 0.03

949 549 280 0.03

550 456 547 0.06

151 568 148 0.02

152 174 351 0.02

353 509 517 0.02

254 484 424 0.02

455 261 29 0.02

656 527 158 0.11

757 433 572 0.11

058 342 445 0.05

359 54 370 0.02

060 149 440 0.16

361 427 426 0.21

x y ley71 367 148 0.01

372 182 100 0.04

973 460 494 0.03

074 579 461 0.21

175 264 212 0.58

576 228 50 0.01

977 186 590 0.11

078 421 200 0.04

779 536 212 0.19

480 63 416 0.13

481 280 494 0.02

582 193 387 0.09

383 140 576 0.04

884 269 353 0.04

485 454 166 0.05

886 593 423 0.03

987 369 126 0.01

288 89 35 0.07

889 204 216 0.06

790 230 581 0.01

191 348 583 0.05

192 122 361 0.04

093 313 400 0.15

594 123 508 0.35

995 340 262 0.12

096 229 248 0.04

AGRUPAMIENTO DE LOS DATOS DEACUERDO A LOS BLOQUES DE

100X100

PRIMER CASO SE PROMEDIA LASLEYES Y COORDENADAS PARA OBTENER EL CENTRO DE GRAVEDAD DE LOS PUNTOS EN EL BLOQUE

DATOS RESULTANTES

X y ley1 60 54 0.0512 155 74 0.1643 230 29 0.0284 319 92 0.0287 73 131 0.0168 144 166 0.0649 253 162 0.08010 379 125 0.02611 454 166 0.03912 554 150 0.05113 53 269 0.04214 129 237 0.15315 245 228 0.17016 340 262 0.12017 421 200 0.04718 530 231 0.07019 57 354 0.12920 150 359 0.03921 254 366 0.10122 363 307 0.07223 432 373 0.05524 554 318 0.11225 63 416 0.13426 130 459 0.09327 248 484 0.18228 339 452 0.07029 450 448 0.09130 586 442 0.12531 53 506 0.02832 144 555 0.11033 237 574 0.02934 348 583 0.05135 451 553 0.07836 560 527 0.084

promedio

0.080

var 0.00212489

desv 0.04609653

CV 0.57365375

SEGUNDO CASO SE COGE UN PUNTO AL AZAR CON SUS RESPECTIVASCOORDENADAS PARA REPRESENTAR A UN BLOQUE

DATOS RESULTANTES

X Y LEY

1 31 73 0.024

2 182 100 0.049

3 228 50 0.019

4 319 92 0.028

7 82 160 0.015

8 112 181 0.057

9 276 132 0.071

10 398 121 0.041

11 455 184 0.053

12 568 148 0.021

13 53 269 0.042

14 131 201 0.052

15 229 248 0.043

16 340 262 0.120

17 421 200 0.047

18 536 212 0.194

19 49 309 0.341

20 102 334 0.008

21 269 353 0.044

22 363 307 0.072

23 405 396 0.059

24 548 330 0.069

25 63 416 0.134

26 149 440 0.163

27 217 474 0.339

28 303 434 0.072

29 463 495 0.047

30 593 423 0.039

31 53 506 0.028

32 147 521 0.012

33 229 550 0.051

34 348 583 0.085

35 493 586 0.062

36 575 538 0.169

promedio

0.0785

var 0.0064desv 0.0801CV 1.0195

CONCLUSIONES

La desviación estándar de los datos completos esigual a la de escoger uno al azar, se puede decir que se toman aleatoriamente y conserva es carácter para que se obtenga una misma desviación estándar, lo mismo ocurre con el CV.

El clúster nos ayuda enormemente para hacer una síntesis de datos, para no tener una cantidad dedatos excesivos, que en muchos casos dificultan su análisis.


Recommended