1
Es el tipo de modelación donde si el modelo es capaz de representar de manera específica una gran cantidad de fenómenos, el objeto debe también estar definido con una gran cantidad de parámetros de descripción.
2
Su pertinencia corresponde a su capacidad para representar los fenómenos físicos en cuestión, debido a que no puede dar más que una representación simplificada de la realidad.
3
Valor que caracteriza la dispersión asociándolo a un valor modelado o a un valor medido.
4
Este tipo de incertidumbre de parámetros depende de los dispositivos utilizados, donde pueden ser relativamente pequeñas en función de la escala del sistema.
5
El objetivo de estos modelos es la determinación de las variables de salida en función de sus variables de entrada, y de los parámetros geométricos del sistema modelado.
6
El objetivo de estos modelos consiste básicamente en determinar el transformador dadas las variables de entrada, los parámetros geométricos del sistema y sus variables de salida.
7
Es caracterizada por la incertidumbre que asocia varios conceptos propios a la estadística descriptiva y al cálculo de probabilidades
8
Es quien agrega una incertidumbre que se asocia a la representación (o interpretación) del sistema por modelar (interacciones entre componentes del sistema).
9
Muestra la representación de causa – efecto que se basa en la identificación, la clasificación y la puesta en evidencia de las causas probables al origen de los problemas específicos que afectan la calidad, tanto de un proceso como del producto final de dicho proceso.
10
Esquema de principio en el cual posee Variable de entrada, Variable de salida, y Transformador y donde los Parámetros son la incógnita.
11
Son los parámetros geométricos que describen el sistema modelado, donde un error puede tener fuertes consecuencias en el valor de las variables de salida.
12
Variables donde su calidad de mediciones está asociada en la primera causa de error a tomar en cuenta.
13
Diferencia entre un valor de referencia y n valor modelado o medido
New game