“…Hillary Clinton, en aquel momento Secretaria de Estado, se hizo esta pregunta al conocer que un terremoto había devastado Puerto Príncipe, la capital de Haití. Es también la pregunta que resuena a lo largo de todo el cuaderno, y quizás la que se hace el lector en un primer momento: ¿Por qué Haití? …”

“…Esta es la historia que cuenta cómo la atrevida y valiente Juana, en una época en la que las mujeres podían hacer muy pocas cosas, reunió a unos oficiales derrotados y a un ejército desalentado y los condujo a la victoria, instauró a un débil y desesperado príncipe en el trono que le correspondía y se hizo poco a poco claro para la Iglesia y para el pueblo que Juana de Arco decía la verdad cuando afirmaba que había sido enviada por Dios -- Amazon…”

“…Aquí retrata, entre otros personajes, al traficante de armas Monzer al-Kassar, apodado «el príncipe de Marbella» y perseguido incansablemente por un agente de la D.E.A., a la controvertida «abogada del diablo» que lucha contra la pena de muerte representando a los peores criminales, al Chapo Guzmán y su vida tras huir de una prisión de alta seguridad, o al célebre delincuente holandés William Holleeder y los esfuerzos de su propia hermana para lograr su encarcelación.Maleantes recoge doce perfiles de estafadores, truhanes, asesinos y rebeldes, gente que nada a contracorriente y cuya vida excepcional, para bien y para mal, invita al lector a reflexionar sobre temas como la esencia del mal, del poder, del crimen y de la corrupción, pero también sobre el coraje de quienes decidieron enfrentarse a ellos --…”

“…Ils donnent ainsi à voir des sociétés complexes et dynamiques, entre héritages et défis sans cesse renouvelés : montée en puissance de la société civile, extrémisme religieux, captation des ressources économiques, réflexion sur le principe de démocratie, place des femmes, crise migratoire[xe2][x80][xa6] Autant de questions ici présentées, analysées et discutées grâce à l’apport de travaux récents de spécialistes des sciences sociales, afin d’offrir des clés de lecture pertinentes d’un espace géographique et de son histoire récente. …”

“…Prima di abbracciare, riconoscendo la propria vocazione più autentica (già da tempo, peraltro, intravista dal suo grande protettore, il principe-arcivescovo di Cracovia, Sapieha), la carriera che lo avrebbe portato sul trono di Pietro e fatto diventare il vicario di Gesù Cristo, l’uomo che sulla Terra rappresenta il Figlio di Dio, che ‘fa le veci’ della seconda persona del Dio trinitario, Wojtyla è stato un fecondo drammaturgo. …”

“…Depuis la Déclaration de Vienne, adoptée en 1993, le principe de l’égalité hiérarchique entre les différents droits et libertés fondamentaux n’a jamais été remis en cause de manière significative au sein de la communauté internationale : tous les droits auraient la même valeur juridique et aucun de ceux-là ne pourrait primer sur les autres en cas de conflit. …”

“…« J'aurai passé ma vie sous le signe d'un principe de contradiction, je veux dire la Croix du Christ, cette ombre, qui fascina ma jeunesse et ne m'a plus quitté, sur la tristesse des choses et sur la beauté du monde ; complice iconoclaste d'une rigueur critique, mais aussi élan intrépide qui bouscule nos arrêts pour les ouvrir à l'au-delà même de nos espoirs humains. » Marcheur infatigable, Stanislas Breton (1912-2005) n'a cessé d'arpenter les espaces contemporains du pensable. …”

Tabla de Contenidos: “…Criterios para diferenciar la cuestión principal de la cuestión previa; 3. La ley que rige la cuestión principal y la ley que rige la cuestión previa; 4. …”

Tabla de Contenidos: “…El bloque escénico / Hacia El Príncipe Constante / La adaptación de las fábulas mitológicas al auto sacramental. …”

Tabla de Contenidos: “….) -- 5-4 RESOLUCIÓN DE REFLECTORES PASIVOS -- 5-5 REFLECTORES PARABÓLICOS -- 5-6 ANTENAS CON DOBLE REFLECTOR -- 5-7 SISTEMAS CASSEGRAIN -- 5-8 SISTEMAS GREGORIANO -- 5-9 OTROS SISTEMAS DE DOBLE REFLECTOR -- 5-10 REFLECTORES DE HACES MÚLTIPLES -- 5-11 ALIMENTADOR PRINCIPAL -- 5-12 BOCINAS RECTANGULARES -- 5-13 BOCINAS CÓNICAS -- 5-14 BOCINAS CÓNICAS DE PARED LISA -- 5-15 BOCINAS CÓNICAS CORRUGADAS -- 5-16 CENTRO DE FASE DE LAS BOCINAS -- BIBLIOGRAFÍA -- EL AUTOR…”

Tabla de Contenidos: “….); REGLAMENTO CONSTITUCIONAL DECRETADO POR EL CABILDO (...); BIBLIOGRAFÍA PRINCIPAL; CAPÍTULO II. - EL 25 DE MAYO; I. EL 25 DE MAYO. …”

Tabla de Contenidos: “…Heffron -- Mentoring in the human resource development context / Shin-hee Jeong and Sunyoung Park -- Constructivism and mentoring / Arthur Shapiro -- Mentoring as loose coupling : theory in action / Susan Brondyk -- Relational mentoring for developing novice principals as leaders of learning / Sonya Hayes -- Mentoring in a globally active learning context : initiation, engagement, implementation, and aftermath / Carol Mullen -- Synthesis of mentoring paradigms / Rubén Garza and Beverly J. …”

Tabla de Contenidos: “…Classification des impôts de l'OCDE -- A2. Champ couvert -- Principes généraux -- Cotisations de sécurité sociale -- Droits, taxes d'utilisation et droits de licence -- Redevances -- Amendes et pénalités -- A3. …”

Tabla de Contenidos: “…Machine generated contents note: Preface Introduction I Fundamentals of Multivariate Statistical Process Control 1 Motivation for Multivariate Statistical Process Control 1.1 Summary of Statistical Process Control 1.1.1 Roots and Evolution of Statistical Process Control 1.1.2 Principles of Statistical Process Control 1.1.3 Hypothesis Testing, Type I and II errors 1.2 Why Multivariate Statistical Process Control 1.2.1 Statistically Uncorrelated Variables 1.2.2 Perfectly Correlated Variables 1.2.3 Highly Correlated Variables 1.2.4 Type I and II Errors and Dimension Reduction 1.3 Tutorial Session 2 Multivariate Data Modeling Methods 2.1 Principal Component Analysis 2.1.1 Assumptions for Underlying Data Structure 2.1.2 Geometric Analysis of Data Structure 2.1.3 A Simulation Example 2.2 Partial Least Squares 2.2.1 Assumptions for Underlying Data Structure 2.2.2 Deflation Procedure for Estimating Data Models 2.2.3 A Simulation Example 2.3 Maximum Redundancy Partial Least Squares 2.3.1 Assumptions for Underlying Data Structure 2.3.2 Source Signal Estimation 2.3.3 Geometric Analysis of Data Structure 2.3.4 A Simulation Example 2.4 Estimating the Number of Source Signals 2.4.1 Stopping Rules for PCA Models 2.4.2 Stopping Rules for PLS Models 2.5 Tutorial Session 3 Process Monitoring Charts 3.1 Fault Detection 3.1.1 Scatter Diagrams 3.1.2 Nonnegative Quadratic Monitoring Statistics 3.2 Fault Isolation and Identification 3.2.1 Contribution Charts 3.2.2 Residual-Based Tests 3.2.3 Variable Reconstruction 3.3 Geometry of Variable Projections 3.3.1 Linear Dependency of Projection Residuals 3.3.2 Geometric Analysis of Variable Reconstruction 3.4 Tutorial Session II Application Studies 4 Application to a Chemical Reaction Process 4.1 Process Description 4.2 Identification of a Monitoring Model 4.3 Diagnosis of a Fault Condition 5 Application to a Distillation Process 5.1 Process Description 5.2 Identification of a Monitoring Model 5.3 Diagnosis of a Fault Condition III Advances in Multivariate Statistical Process Control 6 Further Modeling Issues 6.1 Accuracy of Estimating PCA Models 6.1.1 Revisiting the Eigendecomposition of Sz0z0 6.1.2 Two Illustrative Examples 6.1.3 Maximum Likelihood PCA for Known Sgg 6.1.4 Maximum Likelihood PCA for Unknown Sgg 6.1.5 A Simulation Example 6.1.6 A Stopping Rule for Maximum Likelihood PCA Models 6.1.7 Properties of Model and Residual Subspace Estimates 6.1.8 Application to a Chemical Reaction Process - Revisited 6.2 Accuracy of Estimating PLS Models 6.2.1 Bias and Variance of Parameter Estimation 6.2.2 Comparing Accuracy of PLS and OLS Regression Models 6.2.3 Impact of Error-in-Variables Structure upon PLS Models 6.2.4 Error-in-Variable Estimate for Known See 6.2.5 Error-in-Variable Estimate for Unknown See 6.2.6 Application to a Distillation Process - Revisited 6.3 Robust Model Estimation 6.3.1 Robust Parameter Estimation 6.3.2 Trimming Approaches 6.4 Small Sample Sets 6.5 Tutorial Session 7 Monitoring Multivariate Time-Varying Processes 7.1 Problem Analysis 7.2 Recursive Principal Component Analysis 7.3 MovingWindow Principal Component Analysis 7.3.1 Adapting the Data Correlation Matrix 7.3.2 Adapting the Eigendecomposition 7.3.3 Computational Analysis of the Adaptation Procedure 7.3.4 Adaptation of Control Limits 7.3.5 Process Monitoring using an Application Delay 7.3.6 MinimumWindow Length 7.4 A Simulation Example 7.4.1 Data Generation 7.4.2 Application of PCA 7.4.3 Utilizing MWPCA based on an Application Delay 7.5 Application to a Fluid Catalytic Cracking Unit 7.5.1 Process Description 7.5.2 Data Generation 7.5.3 Pre-analysis of Simulated Data 7.5.4 Application of PCA 7.5.5 Application of MWPCA 7.6 Application to a Furnace Process 7.6.1 Process Description 7.6.2 Description of Sensor Bias 7.6.3 Application of PCA 7.6.4 Utilizing MWPCA based on an Application Delay 7.7 Adaptive Partial Least Squares 7.7.1 Recursive Adaptation of Sx0x0 and Sx0y0 7.7.2 MovingWindow Adaptation of Sv0v0 and Sv0y0 7.7.3 Adapting The Number of Source Signals 7.7.4 Adaptation of the PLS Model 7.8 Tutorial Session 8 Monitoring Changes in Covariance Structure 8.1 Problem Analysis 8.1.1 First Intuitive Example 8.1.2 Generic Statistical Analysis 8.1.3 Second Intuitive Example 8.2 Preliminary Discussion of Related Techniques 8.3 Definition of Primary and Improved Residuals 8.3.1 Primary Residuals for Eigenvectors 8.3.2 Primary Residuals for Eigenvalues 8.3.3 Comparing both Types of Primary Residuals 8.3.4 Statistical Properties of Primary Residuals 8.3.5 Improved Residuals for Eigenvalues 8.4 Revisiting the Simulation Examples in Section 8.1 8.4.1 First Simulation Example 8.4.2 Second Simulation Example 8.5 Fault Isolation and Identification 8.5.1 Diagnosis of Step-Type Fault Conditions 8.5.2 Diagnosis of General Deterministic Fault Conditions 8.5.3 A Simulation Example 8.6 Application Study to a Gearbox System 8.6.1 Process Description 8.6.2 Fault Description 8.6.3 Identification of a Monitoring Model 8.6.4 Detecting a Fault Condition 8.7 Analysis of Primary and Improved Residuals 8.7.1 Central Limit Theorem 8.7.2 Further Statistical Properties of Primary Residuals 8.7.3 Sensitivity of Statistics based on Improved Residuals 8.8 Tutorial Session IV Description of Modeling Methods 9 Principal Component Analysis 9.1 The Core Algorithm 9.2 Summary of the PCA Algorithm 9.3 Properties of a PCA Model 10 Partial Least Squares 10.1 Preliminaries 10.2 The Core Algorithm 10.3 Summary of the PLS Algorithm10.4 Properties of PLS 10.5 Properties of Maximum Redundancy PLS References Index…”

Ver edición digitalizada de la Biblioteca Virtual del Patrimonio Bibliográfico