Logo_Icesi

Filtros

2012 - 20132
Restablecer filtros

Ajustes

Tema: DATOS

Resultados de la búsqueda

Mostrando 1 - 2 de 2
  • No hay miniatura disponible
    Ítem
    Superioridad relativa de los estimadores Kiviet y Blundell-Bond (GMM1) en paneles dinámicos. Un experimento Monte Carlo con muestras finitas
    (Universidad Icesi, 2012-10-01) Rangel Jimenéz, Andrés Eduardo
    Dado el amplio uso de los datos de panel en modelos dinámicos, es relevante evaluar el desempeño de sus diferentes estimadores en muestras finitas en presencia de baja y alta persistencia. El presente artículo tiene como objetivo analizar, mediante simulaciones tipo Monte Carlo, las propiedades de los estimadores de efectos fijos (LSDV), Arellano y Bond (AB-GMM1), Blundell y Bond (BB-GMM1), Anderson y Hsiao (AH) y Kiviet. Se concluye que en series no persistentes el estimador de Kiviet es el de mejor desempeño, basándose en los criterios de error cuadrático medio, sesgo y desviación estándar; con alta persistencia, el estimador BB-GMM1 es el de mejor desempeño seguido por el estimador de Kiviet, que se comporta bien excepto en micropaneles con series persistentes.
  • No hay miniatura disponible
    Ítem
    Diagnóstico de piezas de alta velocidad odontológicas a partir del análisis de su sonido
    (Universidad Icesi, 2013-04-01) Nieto Gómez, Diego; Jiménez Gómez, John; Collazos Valencia, Vanessa
    The computational tools are developed to help professionals to determine anomalies in different equipment. These tools seek to determine any damage without disassembly for the purpose of optimize processes, in this case the operation of the diagnose high speed dental piece. This article presents the results of the implementation of a computational algorithm for obtaining, from the sounds generated by turbines high speed parts, in what state is this. This is accomplished by capturing the sound of high-speed components in good and bad state, in order to build a database from these sounds, each of these signals are extracted features in different domains to train a neural network, which diagnose the state of the workpiece. With the implementation of this system has been possible to achieve an 81% success rate for the classification of defective pieces.