Bladeren bron

README-es.md edited online with Bitbucket

Jose R Ortiz Ubarri 8 jaren geleden
bovenliggende
commit
c22e4bda06
1 gewijzigde bestanden met toevoegingen van 12 en 9 verwijderingen
  1. 12
    9
      README-es.md

+ 12
- 9
README-es.md Bestand weergeven

@@ -4,15 +4,15 @@
4 4
 ![main2.png](images/main2.png)
5 5
 ![main3.png](images/main3.png)
6 6
 
7
-[Verano 2016-Ive]
7
+[Verano 2016-Ive- Tatiana]
8 8
 
9
-Los arreglos de datos (*arrays*) nos facilitan guardar y trabajar con grupos de datos del mismo tipo. Los datos se guardan en espacios de memoria consecutivos a los que se puede acceder utilizando el nombre del arreglo e índices o suscritos que indican la posición en que se encuentra el dato. Las estructuras de repetición nos proveen una manera simple de acceder a los datos de un arreglo. En la experiencia de laboratorio de hoy practicarás el uso de contadores y arreglos de una dimensión para implementar un programa en el que usarás la Ley de Benford para detectar   archivos con datos falsificados.
9
+Los arreglos de datos (*arrays*) nos facilitan guardar y trabajar con grupos de datos del mismo tipo. Los datos se guardan en espacios de memoria consecutivos a los que se puede acceder utilizando el nombre del arreglo e índices o suscritos que indican la posición en que se encuentra el dato. Las estructuras de repetición nos proveen una manera simple de acceder a los datos de un arreglo. En la experiencia de laboratorio de hoy practicarás el uso de contadores y arreglos de una dimensión para implementar un programa en el que usarás la Ley de Benford para detectar archivos con datos falsificados.
10 10
 
11 11
 
12 12
 
13 13
 ##Objetivos:
14 14
 
15
-1. Practicar el  uso de un arreglo de contadores para determinar la frecuencia de los datos de un archivo.
15
+1. Practicar el uso de un arreglo de contadores para determinar la frecuencia de los datos de un archivo.
16 16
 
17 17
 2. Detectar el uso de datos falsificados utilizando la distribución de frecuencia y la Ley de Benford.
18 18
 
@@ -34,7 +34,7 @@ Antes de llegar al laboratorio debes haber:
34 34
 
35 35
 4. Estudiado los conceptos e instrucciones para la sesión de laboratorio.
36 36
 
37
-5. Tomado el quiz Pre-Lab que se encuentra en Moodle.
37
+5. Tomado el quiz Pre-Lab, disponible en Moodle.
38 38
 
39 39
 ---
40 40
 
@@ -42,7 +42,7 @@ Antes de llegar al laboratorio debes haber:
42 42
 
43 43
 
44 44
 
45
-Como parte de tu nuevo trabajo de auditora de tecnología de información, tienes la sospecha de que alguien en la Autoridad Metropolitana de Autobuses (AMA) de Puerto Rico ha estado manipulando los sistemas de información y cambiando los archivos de datos que contienen los totales de pasajeros de las rutas diarias de las guaguas. Te han dado 5 archivos de texto que contienen los totales diarios de cada una de las rutas de las guaguas de la AMA y debes determinar si uno o más archivos contienen datos falsos. Para detectar cuál(es) archivos tienen datos falsos  implementarás un programa en el que usarás la Ley de Benford.
45
+Como parte de tu nuevo trabajo de auditora de tecnología de información, tienes la sospecha de que alguien en la Autoridad Metropolitana de Autobuses (AMA) de Puerto Rico ha estado manipulando los sistemas de información y cambiando los archivos de datos que contienen los totales de pasajeros de las rutas diarias de las guaguas. Te han dado cinco archivos de texto que contienen los totales diarios de cada una de las rutas de las guaguas de la AMA y debes determinar si uno o más archivos contienen datos falsos. Para detectar cuál(es) archivos tienen datos falsos implementarás un programa en el que usarás la Ley de Benford.
46 46
 
47 47
 
48 48
 ---
@@ -50,7 +50,7 @@ Como parte de tu nuevo trabajo de auditora de tecnología de información, tiene
50 50
 ## ¿Qué es la Ley de Benford? (adaptado del ISACA Journal [1])
51 51
 
52 52
 
53
-La Ley de Benford es la teoría matemática de los dígitos líderes de un número, y fue llamada así en honor al físico Frank Benford, quién trabajó en esta teoría en 1938. Específicamente, en conjuntos de datos, los dígitos líderes están distribuidos de forma no uniforme. Uno podría pensar que el número 1 aparece como primer dígito el 11% del tiempo (esto es, uno de 9 números posibles), sin embargo, este número aparece como líder alrededor del 30% del tiempo (vea la Figura 1). Por otro lado, el número 9 es el primer dígito menos del 5% del tiempo. La teoría cubre las ocurrencias del primer dígito, el segundo dígito, los primeros dos dígitos, el último dígito y otras combinaciones de dígitos porque la teoría está basada en un logaritmo de probabilidad de ocurrencia de dígitos.
53
+La Ley de Benford es la teoría matemática de los dígitos líderes de un número, y fue llamada así en honor al físico Frank Benford, quien trabajó en esta teoría en 1938. Específicamente, en conjuntos de datos, los dígitos líderes están distribuidos de forma no uniforme. Uno podría pensar que el número 1 aparece como primer dígito el 11% del tiempo (esto es, uno de 9 números posibles), sin embargo, este número aparece como líder alrededor del 30% del tiempo (vea la Figura 1). Por otro lado, el número 9 es el primer dígito menos del 5% del tiempo. La teoría cubre las ocurrencias del primer dígito, el segundo dígito, los primeros dos dígitos, el último dígito y otras combinaciones de dígitos porque la teoría está basada en un logaritmo de probabilidad de ocurrencia de dígitos.
54 54
 
55 55
 
56 56
 ---
@@ -165,7 +165,7 @@ La **frecuencia de ocurrencia** se define como la razón del número de veces qu
165 165
 
166 166
      ![figure6.png](images/figure6.png)
167 167
 
168
-    **Figura 6.** Ventana del resultado del ejemplo provisto en el proyecto `BenfordLaw`. Se despliega un histograma utilizando los datos de los argumentos   `histoNames` e `histoValues`.
168
+    **Figura 6.** Ventana del resultado del ejemplo provisto en el proyecto `BenfordLaw`. Se despliega un histograma utilizando los datos de los argumentos `histoNames` e `histoValues`.
169 169
 
170 170
     ---
171 171
 
@@ -177,9 +177,9 @@ La **frecuencia de ocurrencia** se define como la razón del número de veces qu
177 177
 
178 178
 ####Instrucciones
179 179
 
180
-1. Utilizando como inspiración la función `main` que te proveemos, añade funcionalidad a la función `main` para leer archivos como los provistos en el directorio `data` y determinar la frecuencia de ocurrencia de dígitos líderes  en los datos que aparecen en la segunda columna de los archivos. Computa la frecuencia de ocurrencia como se explica antes de la Figura 5.
180
+1. Utilizando como inspiración la función `main` que te proveemos, añade funcionalidad a la función `main` para leer archivos como los provistos en el directorio `data` y determinar la frecuencia de ocurrencia de dígitos líderes en los datos que aparecen en la segunda columna de los archivos. Computa la frecuencia de ocurrencia como se explica antes de la Figura 5.
181 181
 
182
-2. Una vez tu programa haya obtenido las frecuencias de los dígitos líderes, utiliza el método `histo` para desplegar un histograma. Corre el programa para cada uno de los archivos. Basado en la gráfica de distribución de frecuencia de los dígitos líderes en los datos en cada uno de los archivos, podrás determinar si (de acuerdo a la Ley de Benford)  el archivo contiene datos reales o datos falsos.
182
+2. Una vez tu programa haya obtenido las frecuencias de los dígitos líderes, utiliza el método `histo` para desplegar un histograma. Corre el programa para cada uno de los archivos. Basado en la gráfica de distribución de frecuencia de los dígitos líderes en los datos en cada uno de los archivos, podrás determinar si (de acuerdo a la Ley de Benford) el archivo contiene datos reales o datos falsos.
183 183
 
184 184
 ---
185 185
 
@@ -206,3 +206,6 @@ La **frecuencia de ocurrencia** se define como la razón del número de veces qu
206 206
 ---
207 207
 
208 208
 ----
209
+
210
+
211
+