Tema 6: Capacidad de Canal
|
|
- Sofia Toro Sosa
- hace 8 años
- Vistas:
Transcripción
1 UC3M, Sistemas y Canales de Transmisión, - Tema 6: Caacidad de Canal Parte. Canales Continuos
2 Maximización de la velocidad de transmisión Teorema de caacidad de canal de Shannon Máxima cantidad de inormación que uede transmitirse or un canal sin errores Ejemlo: caacidad de un canal gaussiano limitado en banda (bits/seg) xt () N Nt () SN( ) = B c B c + b /B (bits/s/hz) yt () P Eb b C= Blog + = Blog + PN NB b B = C/ B ( ) [ bits/seg./hz] E N b UC3M, Sistemas y Canales de Transmisión, -. egión en la que b >C Límite de Shannon -.6 Límite de caacidad b =C egión en la que b <C 3 b B E b N B b b B b = B Eb N E b /N db
3 Maximización de la velocidad de transmisión En algunos canales la SN deende de la recuencia Ejemlo: canales ADSL Usuario st () t H( ) c kd ( ) = e Usuario kd ( ) W S( ) = ST ( ) e + SN( ) Hz donde kd () = d k d e uido: NEXT Tíicamente k =.58 d e =6 Km. uido Inter Inter Modelo S ( ) = S ( ) H ( ) = S ( ) β.. 3/ N T XT T W Hz Tíicamente β= -9 UC3M, Sistemas y Canales de Transmisión, - 3
4 Ejemlo: canal ADSL En canales ADSL s () t s () t Usuario T H( ) c kd ( ) = e elación señal a ruido uido: NEXT S S e S Usuario kd ( ) ( ) = T ( ) + N( ) S ( ) = S ( ) β N Inter. 3/ T Usuario k ST ( ) HC( ) HC( ) e Inter 3/ ST ( ) HXT( ) HXT( ) β S = = N Es una unción de la recuencia S e = SN( ) = N UC3M, Sistemas y Canales de Transmisión, - kd ( ) β 3/ Densidad esectral de otencia (db) S N ( ) e k β 3/ Frecuencia (MHz) 4
5 Caacidad en canales con SN variable Modelo de canal s () t s () t T H ( ) C uido S ( ) N S ( ) = S ( ) H ( ) + S ( ) T C N ST( ) HC( ) Caacidad C= log( + SN( ) ) d = log d { B} + { B} SN ( ) Ejemlo: canal gaussiano y distribución uniorme de otencia: S ( ) H ( ) T C P = B st () t B H ( ) C B s () t N Nt () SN( ) = UC3M, Sistemas y Canales de Transmisión, - c c B c + P log B P C= d Blog + = + { B} N NB 5
6 Caacidad en canales con SN variable Modelo de canal Caacidad s () t s () t T H ( ) C uidos ( ) N C= log ( + SN ( ) ) d { B} S ( ) ( ) log T HC = + d { B} SN ( ) Si queremos maximizar la velocidad de transmisión, el único arámetro que se uede ajustar es la distribución de otencia transmitida: S T ( ) Objetivo: encontrar S T ( ) (distribución de otencia transmitida) que maximiza ST( ) HC( ) C= max log d ST ( ) + { B} SN ( ) estricción: la otencia total está limitada a P X vatios UC3M, Sistemas y Canales de Transmisión, - P S ( ) d X = { B} T 6
7 Distribución de otencia transmitida Encontrar la S T ( ) que maximiza: S N Densidad Esectral ST( ) HC( ) C= max log d ST ( ) + { B} SN ( ) es un roblema muy comlejo La solución consiste en dividir el esectro en intervalos en los que la relación señal a ruido ueda considerarse constante. Modulaciones multiortadora Δ i Intervalo i-ésimo P = S ( ) Δ P = P H ( ) Ti, T i i, Ti, C i PNi, = SN( i) Δ recuencia P Ci =Δ log + P C = i C i i, Ni, UC3M, Sistemas y Canales de Transmisión, - 7
8 Distribución de la otencia transmitida Distribución de la otencia transmitida s () t P i, s () t T H ( ) C C i =Δ log + P P i, Ni, Δ uido SN ( ) Objetivo: Maximizar la caacidad P max Δ log + P i, i P, i Ni, Encontrar la distribución de otencia recibida P,i que maximiza la caacidad es equivalente a calcular la P T,i ótima: sólo diieren en una constante (H C ( i ) ) estricciones La otencia total está limitada i P = P P = P Ti, T i, i Puede haber bandas en las que no se transmita otencia (P T,i = P,i = ) P i, PNi, = SN( i) Δ P = S ( ) H ( ) Δ = P H ( ), i T i C i T, i C i UC3M, Sistemas y Canales de Transmisión, - 8
9 Water-illing discreto Distribución de otencia en canales aralelos Objetivo: Maximizar la caacidad P max Δ log + P i, i P, i Ni, estricciones Pi, = P P i, i El lagrangiano ermite encontrar una solución que maximice la caacidad y que cumla las restricciones. Lagrangiano Si P,i P i, max LP ( i,, λ) = max Δ log + + λ P Pi, Pi, P i, i P Ni, i P i, log + ero P λ P P, i Ni, i UC3M, Sistemas y Canales de Transmisión, - 9
10 Waterilling discreto Distribución de otencia en canales aralelos Objetivo: Maximizar la caacidad P, i max Δ log + P i, i P Ni, estricciones Lagrangiano P, i = P P i, i P i, max LP ( i,, λ) = max Δ log + + λ P Pi, Pi, P i, i P Ni, i ealizando la derivada arcial resecto de P,i LP ( i,, λ) Δ PNi, Δ = λ= λ Pi, ln P, ( ln i )( Pi, + PNi, ) + P Ni, e igualando a UC3M, Sistemas y Canales de Transmisión, - Δ P, + P, = = cte. = λ [W] λ ln ( i Ni)
11 Waterilling discreto Distribución de otencia Δ P, + P, = = cte. = λ [W] λ ln ( i Ni) Water Filling Método subótimo. [W] λ Δ S N P, i P Ni, Intervalo i-ésimo recuencia UC3M, Sistemas y Canales de Transmisión, -
12 Waterilling discreto Ejemlo de distribución de otencia en canales aralelos Para maximizar la caacidad P max Δ log + P i, i P i, Ni,... y cumlir las restricciones Solución ( i Ni) P, i = P P i, i Δ P, + P, = = cte. = λ λ ln λ [W] P, P,3 < P,5 < P P,,4 P + P + P = P,,,4 Δ P N,3 P N,4 UC3M, Sistemas y Canales de Transmisión, -
13 Water-illing discreto Algoritmo Matlab unction wline=will(vec, con, tol) % WFILL: The Water Filling algorithm. % WLINE = WFILL(VEC, PCON, TOL) erorms the water illing algorithm % VEC is a noise absolute or relative level in LINEA units at dierent requencies, % sace or whatever bins. % PCON is a total ower constrain given in the same units as the VEC. % TOL is an accetable tolerance in the units o VEC. % WLINE indicates the WATELINE level in units o VEC so that: % abs(pcon-sum(max(wline-vec, )))<=TOL N=length(vec); %irst ste o water illing wline=min(vec)+con/n; %initial waterline tot=sum(max(wline-vec,)); %total ower or current waterline %gradual water illing while abs(con-tot)>tol end wline=wline+(con-tot)/n; tot=sum(max(wline-vec,)); >> lambda_=will([ ], 4.,.); λ 3.7 [W] 3. Δ UC3M, Sistemas y Canales de Transmisión, - 3
14 Water Filling continuo En canales s () t s () t T Water Filling SN( ) S HC ( ) N λ H ( ) C W Hz S T ( ) nt () S ( ) = λ P T S H N C N ( ) ( ) SN ( ) = λ d { HC ( ) } HC( ) Caacidad de canal ST( ) HC( ) HC( ) C= log + d = log λ d { B} S ( ) SN ( ) { H ( ) ( ) C S } N ( ) T = λ S N UC3M, Sistemas y Canales de Transmisión, - H C ( ) 4
15 Water Filling continuo Ejemlo Water Filling W Hz S N c ( ) H ( ) λ Caacidad de canal H ( ) ( ) log c C= SN λ d λ > S ( ) Hc ( ) N P T SN ( ) = SN ( ) λ d λ > H ( ) ( ) c Hc UC3M, Sistemas y Canales de Transmisión, - 5
16 Water Filling continuo Ejemlo: ruido blanco gaussiano de ancho de banda B st () t H ( ) c = s () t nt () Water Filling SN( ) S Hc( ) N UC3M, Sistemas y Canales de Transmisión, - W Hz Caacidad de canal P T N Hc( ) + log PT C d Blog B = λ = Blog { Hc ( ) } SN ( ) N = + NB λ N B c SN ( ) PT = λ d { Hc ( ) } Hc( ) N = λ B c B c + P T N λ = + B 6
17 Water Filling continuo Ejemlo: ruido coloreado de ancho de banda B s () t s () t T H ( ) c Water Filling nt () SN ( ) H ( ) SN( ) c λ λ ( ) P = λ X Caacidad de canal c λ c c B c + H ( ) log C C= λ d { HC ( ) } SN ( ) x log b( x) dx = xlog b + cte. e UC3M, Sistemas y Canales de Transmisión, - 7
18 UC3M, Sistemas y Canales de Transmisión, - Parte. Canales Discretos
19 Caacidad Canales sin memoria (DMC) Entroía de la uente/símbolos recibidos: Incertidumbre asociada a los símbolos de entrada/salida X Canal discreto Y H( X) ( x)log E log = = x X () x () x Entroías condicionales Incertidumbre en los símbolos de entrada cuando se conocen los de salida HXY ( ) = yhxy ( ) ( = y) = y ( ) xy ( )log yy yy xx = xy (, )log HX ( ) x ( y) x X y Y Incertidumbre en los símbolos de salida cuando se conocen los de entrada HY ( ) = y ( )log y Y HY ( X) = xy (, )log HY ( ) y ( x) x X y Y x ( y) y ( ) UC3M, Sistemas y Canales de Transmisión, - 9
20 Calculo de la caacidad ara DMC Interretaciones Si H(X Y) = (ó H(Y X) = ), el canal NO introduce errores. Si H(X Y) > (ó H(Y X) > ), el canal SÍ introduce errores Cuando conocer los símbolos de entrada no reduce la incertidumbre de los de salida (H(Y) = H(Y X)), la inormación transmitida or el canal es. Equivocación: Inormación erdida en la transmisión H( XY ) Entroía de la uente Inormación transmitida H( X) IXY ( ; ) H( Y) Inormación recibida H( Y X) UC3M, Sistemas y Canales de Transmisión, - Irrelevancia I( XY ; ) = HX ( ) HXY ( ) H() Y = I( X;) Y + HY ( X) Incertidumbre que no rocede de la uente (ruido)
21 Calculo de la caacidad ara DMC Inormación transmitida Es la reducción en la incertidumbre sobre los símbolos de salida (entrada) cuando se conocen los de entrada (salida) IXY ( ; ) = HY ( ) HY ( X) = y ( )log xy (, )log, ( ) y ( x) y Y y x X y Y = (, xy)log + xy (, )log y ( x), = x X y Y y ( ) x X y Y x X y Y xy (, )log y ( x) y ( ) IXY ( ; ) HY ( ) HY ( X) xyx ( ) ( )log = = x X y Y ( y x) ( y) UC3M, Sistemas y Canales de Transmisión, -
22 Calculo de la caacidad ara DMC La caacidad de un canal es la máxima inormación mutua = = IXY HY HY X x yx ( y x) YX ( ; ) ( ) ( ) X( ) Y X( )log, x X y Y Y ( y) Como en los canales continuos, (y x) deende de las características del canal. ( y= x= ) =, BSC X={,} - - Para maximizar I(X;Y) solo odemos actuar sobre X (x) transmisor x ( ) Y={,} YX YX YX YX ( y= x= ) =, ( y= x= ) =, ( y= x= ) =. C= max I( X; Y), ( x), x X, ( x) =. X x X X UC3M, Sistemas y Canales de Transmisión, -
23 Calculo de la caacidad ara DMC Para canales binarios simétricos X (x=)=w X={,} BSC - Y={,} ( y) = ( x) ( y x), Y X Y X x X ( y= ) = ( x= ) ( y= x= ) + ( x= ) ( y= x= ) Y X Y X X Y X Y (y=)=w(-)+(-w) Caacidad - = Caacidad w=½ UC3M, Sistemas y Canales de Transmisión, - C x y x Y (y=)=w+(-w)(-) ( y x) YX max X( ) Y X( )log, X ( x) x X y Y Y ( y) C= + log + ( )log ( ) = H( ) 3
24 Calculo de la caacidad ara DMC Para canales binarios simétricos X={,} BSC Y={,} C= + log + ( )log ( ) = H( ) C (bits/uso del canal) UC3M, Sistemas y Canales de Transmisión, - 4
25 Caacidad de canal Teorema de Shannon Para un canal discreto sin memoria, la caacidad de canal C tiene la siguiente roiedad = max I( X; Y) Para cualquier ε > y < C existe un código bloque de longitud n y tasa y un algoritmo de descodiicación ara el que la robabilidad de error está acotada or ε x ( ) k bits Inormación Codiicador bloque (n,k) n>k = UC3M, Sistemas y Canales de Transmisión, - k n n bits canal El uso de un codiicador bloque ermite roteger la inormación. Si emleamos codiicación bloque (n,k), siendo n>k» edundancia: entran k bits de inormación, salen n bits de canal C ( ) C() (bits/uso canal) = 3 = 3 C ( ) = 5 n bits = canal Caacidad < C Descodiicador Pr ( error ) k bits Inormación < ε 5
26 Cut-o ate El cut-o rate es una medida emleada en la Teoría de la Inormación ara cuantiicar la máxima tasa de datos que en la ráctica uede transmitirse or un canal emleando un codiicador de comlejidad moderada. Se deine como: = max log X( x) Y X( y x) X ( x) y Y x X Se cumle que C UC3M, Sistemas y Canales de Transmisión, - 6
27 Cut-o ate Ejemlo X={,} Y={,} BSC X (x=)=w ( y= x= ) =, ( y = x= ) =, YX YX ( y= x= ) =, ( y = x= ) =. YX YX - X (x=)=-w - = max log X( x) Y X( y x) X ( x) y Y x X { ( ) ( ) } w w w w = max log + ( ) + + ( ) w UC3M, Sistemas y Canales de Transmisión, - 7
28 Cut-o ate Ejemlo X={,} BSC Y={,} X (x=)=w - X (x=)=-w { ( ) ( ) } = max log w + ( w) + w + ( w) w = - = C= + log + ( )log ( ) (bits/uso canal) Máximos en w=½ =, (bits/uso canal) C w=.5 = log + ( ).... C w UC3M, Sistemas y Canales de Transmisión,
29 Cut-o rate y Probabilidad de Error El uso de un codiicador bloque ermite roteger la inormación. k bits Inormación Codiicador bloque (n,k) n>k = k n n bits canal Cuando se transmite un bloque de n bits, la robabilidad de error ( ( ) ) Pr error n ( ) canal ( ) n bits canal Descodiicador k Pr ( error) bits Inormación Siendo (bits/uso del canal) el cut-o rate ( ) = log ( ) + y (bits/uso del canal) la tasa de bits de inormación orecida al canal Comromiso: Si hacemos n grande, reducimos la Pr(error) ero tardamos más en transmitir los bits de inormación UC3M, Sistemas y Canales de Transmisión, - 9
30 Cut-o ate y Función de iabilidad Función de iabilidad E() E()= ()- Cuando la tasa de bits es equeña, la iabilidad es alta. La robabilidad de error es equeña Cuando nos aroximamos a la caacidad, la iabilidad se reduce. E() k bits Inormación Codiicador bloque (n,k) n>k = k n n bits canal () (bits/uso canal) canal ( ) E ( ) = 3 ( ) Cut-o ate Pr(error) E ( ) = 5 n bits canal Descodiicador ( ) ( ) ne Pr error Pr ( error) k bits Inormación < <C C UC3M, Sistemas y Canales de Transmisión, - n 3
31 Codiicación y Probabilidad de Error Calcular n ara que la Pr(error) < Pr Umbral k bits Codiicador (n,k) n>k k = n n bits canal ( ) ( ) ( ) Pr error n( ) Para acotar la Probabilidad de Error ( ) ( ) Pr error Pr error < PrUmbral n ( ( ) ) n ( ( ) ) < Pr Umbral -n( - ) Prumbral = 4 n = n ( ) = log + ( ) k log[ Pr Umbral] n ( ) n n k log (Pr Umbral) ( ) UC3M, Sistemas y Canales de Transmisión, - 3
32 Prouestas de ejercicio Calcular la caacidad de un canal con borrado --q q? q --q C x y x YX max X( ) Y X( )log, X ( x) x X y Y Y ( y) = ( y= x= ) = ( y= x= ) = q YX YX ( y= x= ) = ( y= x= ) = YX YX ( y=? x= ) = ( y=? x= ) = q YX YX Calcular la caacidad de un concatenación de canales BSC ( y x) X={,} BSC BSC Y={,} C min( C, C )? UC3M, Sistemas y Canales de Transmisión, - 3
33 Prouestas de ejercicio Calcular la caacidad de un canal con borrado X (x=)=w X (x=)=-w --q q q --q? C x y x YX max X( ) Y X( )log, X ( x) x X y Y Y ( y) = ( y= x= ) = ( y= x= ) = q YX YX ( y= x= ) = ( y= x= ) = YX YX ( y=? x= ) = ( y=? x= ) = q YX YX ( y) = ( x) ( y x), Y X Y X x X ( y x) C = ( q) log + log q q q q w= UC3M, Sistemas y Canales de Transmisión, - 33
34 Prouestas de ejercicio Calcular la caacidad de un concatenación de canales BSC X={,} BSC BSC ( )( ) ( ) ( ) ( ) = ( ) = + = ( ) = ( y= x= ) = + = ( ) ( ) = + = +.8 Y={,}.6.4. UC3M, Sistemas y Canales de Transmisión,
35 Prouestas de ejercicio Calcular la caacidad de un concatenación de canales BSC X={,} BSC ( )( ) ( ) ( ) ( ) = ( ) = + = ( ) = ( y= x= ) = + = ( ) ( ) = + = + C = + log + ( ) log( ) Y={,} BSC C C min( C, C )? UC3M, Sistemas y Canales de Transmisión,
36 Caacidad: canales con memoria Los errores introducidos or el canal se ueden modelar como si uesen generados or una uente de error X Y = X E Entroía de la uente Inormación transmitida HXY ( ) Equivocación Inormación recibida E H( X) I( XY ; ) HY () Fuente de error ( ; ) = ( ) ( ) = H ( Y) H( X E X) = H( Y) H( E X) I X Y H Y H Y X H( YX ) Irrelevancia UC3M, Sistemas y Canales de Transmisión, - ( ; ) = ( ) ( ) I X Y H Y H E 36
37 Caacidad: canales con memoria El objetivo es maximizar la Inormación Transerida max ( ; ) max ( ( ) ( )) C = I X Y H Y H E Como no odemos controlar los errores ( ( ) ( )) ( ) C = max I( X; Y) max H Y H E max H Y El valor máximo de H(Y) se consigue cuando los bits a la salida son equirobables. En este caso, H(Y)=: C = H( E) Y ( y) UC3M, Sistemas y Canales de Transmisión, - 37
38 Caacidad: canales con memoria Modelo de Gilbert P S =Bueno Pr(e=)= P S =Malo Pr(e=)=-h P P P() = h h( ) P P P = Caacidad teórica donde Ejemlo: P=., =. y h=.7 CGE = H( E) = + Pr() v( k)log v() k k= P() = ( h ) ( h)( ) T Pr() = π P() k T k Pr( ) π P() P() P() k vk () = Pr( ) = = T Pr() π P() C = + Pr() v( k)log v( k) =,88 GE k= UC3M, Sistemas y Canales de Transmisión, - 38
39 Caacidad: canales con memoria Aroximación de la caacidad Canal con M estados M Caacidad aroximada donde UC3M, Sistemas y Canales de Transmisión, - ( ( )) ( ( )) ( ( )) C = π H E S + π H E S + + π H E S GE M M = π C + πc + + π C Ci M M HES ( ) es la erdida de inormacion en el estado " i" i es la caacidad en el estado " i" C GE < C GE 39
40 Caacidad: canales con memoria Ejemlo Pr ( S ) = π = P + P = S S Pr ( S ) P = π = P +,9 En en el estado S, Pb ( a): BSC - -5 =-5 =,7 =,3 En en el estado S, Pb ( a): BSC - -5 ( ) 5 C = + log + ( )log ( ) =,9998 = ( ) C = + log + ( )log ( ) =, =,3 P C GE = C+ C=.99, =.998 P+ P+ C = + Pr() v( k)log v( k) =,88 GE k= UC3M, Sistemas y Canales de Transmisión, - 4
Atenuación = 10 log 10 db 1.10. Amplificación = 10 log 10
cable es más largo, se insertan uno o más amplificadores, también llamados repetidores a intervalos a lo largo del cable a fin de restablecer la señal recibida a su nivel original. La atenuación de la
Más detallesEL MÉTODO DE LA BISECCIÓN
EL MÉTODO DE LA BISECCIÓN Teorema de Bolzano Sea f : [a, b] IR IR una función continua en [a, b] tal que f(a) f(b) < 0, es decir, que tiene distinto signo en a y en b. Entonces, existe c (a, b) tal que
Más detalles5.5.- Ruido en comunicaciones
RUIDO EN COMUNICACIONES Y MODULACIONES DIGITALES 5.5.- Ruido en comunicaciones En comunicación, se denomina ruido a toda señal no deseada que se mezcla con la señal útil que se quiere transmitir. El ruido
Más detallesExtremos de varias variables
Capítulo 1 Extremos de varias variables Problema 1 Encontrar los extremos absolutos de la función fx, y) = xy en el conjunto A = x, y) IR : x + y 4, x 5/}. Solución: En primer lugar representamos el conjunto
Más detallesIntroducción a la Optimización Matemática
Introducción a la Optimización Matemática Modelos de Optimización Tienen como propósito seleccionar la mejor decisión de un número de posibles alternativas, sin tener que enumerar completamente todas ellas.
Más detallesUnidad 5. Aplicaciones de las derivadas. Objetivos. Al terminar la unidad, el alumno:
Unidad 5 Alicaciones de las derivadas Objetivos Al terminar la unidad, el alumno: Resolverá roblemas de ingreso utilizando el ingreso marginal. Resolverá roblemas de costos utilizando el costo marginal
Más detallesTeoría de Colas o Fenómenos de Espera
Teoría de Colas o Fenómenos de Espera Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Introducción 2 Introducción............................................................
Más detallesMaximización n de la Utilidad
aimización n de la Utilidad icroeconomía Eco. Douglas Ramírez Los elementos básicos Hemos descrito hasta el momento los elementos básicos del roblema de decisión del consumidor Su conjunto de elección
Más detallesUnidad III: Programación no lineal
Unidad III: Programación no lineal 3.1 Conceptos básicos de problemas de programación no lineal Programación no lineal (PNL) es el proceso de resolución de un sistema de igualdades y desigualdades sujetas
Más detallesFacultad de Ingeniería Departamento de Telecomunicaciones
Facultad de Ingeniería Departamento de Telecomunicaciones REDES DE BANDA ANCHA Msc. Luis Rojas. C REDES DE BANDA ANCHA Se asocia el término autopistas de la información al de? Infopistas. inf El concepto
Más detallesFunciones vectoriales de variable vectorial. Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m
Funciones vectoriales de variable vectorial Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m x y x = (x 1, x 2,, x n ), y = (y 1, y 2,, y m ) e y j = f j (x 1, x 2,, x n ), 1 j n n =
Más detallesTeoría de la Comunicación
Teoría de la Comunicación Enero 2009 Realice cada ejercicio en hojas separadas. No se permite uso de teléfono móvil. Escriba su nombre en todas las hojas. Indique claramente el apartado al que está respondiendo.
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES )
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS SOLUCIONES HOJA 5: Optimización 5-1. Hallar los puntos críticos de las siguiente funciones y clasificarlos: a fx, y = x y + xy.
Más detallesGuía para el cálculo de válvulas Ejemplos de cálculo de válvulas
Guía ara el cálculo de válvulas Ejemlos de cálculo de válvulas Inhalt Seite Ventilberechnung bei Flüssigkeiten Ventilberechnung bei Wasserdamf 5 Ventilberechnung bei Gas und Damf 7 Ventilberechnung bei
Más detallesb) Para encontrar los intervalos de crecimiento y decrecimiento, hay que derivar la función. Como que se trata de un cociente, aplicamos la fórmula:
1. Dada la función f(x) = : a) Encontrar el dominio, las AH y las AV. b) Intervalos de crecimiento, decrecimiento, máximos y mínimos relativos. c) Primitiva que cumpla que F(0) = 0. a) Para encontrar el
Más detallesClases 8 y 9: Detección de una señal con ruido. Eytan Modiano. Departamento de aeronáutica y astronáutica
Clases 8 y 9: Detección de una señal con ruido Departamento de aeronáutica y astronáutica Slide 1 Ruido en los sistemas de comunicación S(t) Canal r(t) r(t) = S(t) + n(t) n(t) El ruido es la señal adicional
Más detallesFUNCIONES DE VARIAS VARIABLES Julián de la Horra Departamento de Matemáticas U.A.M.
FUNCIONES DE VARIAS VARIABLES Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción En las Ciencias Experimentales es muy recuente que tengamos interés en poder expresar una variable (variable
Más detalles1. Derivadas parciales
Análisis Matemático II. Curso 2009/2010. Diplomatura en Estadística/Ing. Téc. en Inf. de Gestión. Universidad de Jaén TEMA 3. ABLES DIFERENCIACIÓN DE FUNCIONES DE VARIAS VARI- 1. Derivadas parciales Para
Más detallesTecnologías de la Voz
Tecnologías de la Voz Principios Básicos de Acústica 1. Sonido y ruido 2. Medida objetiva del sonido 3. Medidas de ruido 4. Propagación del sonido 5. Ondas planas senoidales 6. Tubo de kundt 7. Circuitos
Más detalles10 Cálculo. de derivadas. 1. La derivada. Piensa y calcula. Aplica la teoría
0 Cálculo de derivadas. La derivada Piensa y calcula Calcula mentalmente sobre la primera gráfica del margen: a) la pendiente de la recta secante, r, que pasa por A y B b) la pendiente de la recta tangente,
Más detallesSoluciones Examen de Estadística Ingeniería Superior de Telecomunicación
Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación de Septiempbre, 00 Cuestiones 1h C1. El tiempo que un ordenador tarda en ejecutar una tarea es una v.a. Y Expλ). Para hacer un estudio
Más detallesUna invitación al estudio de las cadenas de Markov
Una invitación al estudio de las cadenas de Markov Víctor RIVERO Centro de Investigación en Matemáticas A. C. Taller de solución de problemas de probabilidad, 21-25 de Enero de 2008. 1/ 1 Introducción
Más detallesRedes y Sistemas Computarizados de Control CAPITULO 1. Introducción a las Redes de Comunicación Industrial
Redes y Sistemas Computarizados de Control CAPITULO 1 Introducción a las Redes de Comunicación Industrial Introducción RED DE COMUNICACIÓN INDUSTRIAL AGENDA Sistema de Comunicaciones. Transmisor. Medio
Más detalles1. Características básicas de emisores y receptores
1. Características básicas de emisores y receptores 1.1 Comunicaciones RF El esquema más general de un sistema de comunicaciones es el de la figura 1.1 Emisor Canal Receptor Fig. 1.1 Sistema de comunicaciones
Más detallesRedes de Computadores Capa Física
Redes de Computadores Capa Física Escuela de Ingeniería Civil en Informática Universidad de Valparaíso, Chile http:// 01/09/2014 Problema Cómo conectar un nodo a una red 2 Conceptos de señales Señal Análoga
Más detallesINTENSIDAD SONORA TEMA 3: MOVIMIENTO ONDULATORIO. http://www.rtve.es/noticias/20100328/niveles-decibelios-db-nuestro-entorno/322078.
http://www.rtve.es/noticias/20100328/niveles-decibelios-db-nuestro-entorno/322078.shtml INTENSIDAD SONORA http://adaar-planetario.8m.com/acustica.htm VIDEO: http://www.youtube.com/watch?v=rd6_zrvwk7u&feature=player_embedded
Más detallesExamen de Estadística Ingeniería de Telecomunicación
Examen de Estadística Ingeniería de Telecomunicación 8 de Mayo de 3 Cuestiones solucion h C. (.5p) El equipo directivo de cierta empresa del sector de hostelería está constituido por 5 personas de las
Más detallesEjercicios Propuestos Tema 2
Ejercicios Propuestos Tema 2 1 Programar la función: fx, A, X = a 0 + a 1 x x 1 + a 2 x x 1 x x 2 + + a n x x 1 x x 2 x x n, donde A = [a 0, a 1,, a n ], X = [x 1, x 2,, x n ], con x R Calcular todas las
Más detallesIntegrales paramétricas e integrales dobles y triples.
Integrales paramétricas e integrales dobles y triples. Eleonora Catsigeras * 19 de julio de 2006 PRÓLOGO: Notas para el curso de Cálculo II de la Facultad de Ingeniería. Este texto es complementario al
Más detalles1. Hallar los extremos de las funciones siguientes en las regiones especificadas:
1 1. DERIVACIÓN 1. Hallar los extremos de las funciones siguientes en las regiones especificadas: b) f(x) x (x 1) en el intervalo [, ] y en su dominio. DOMINIO. D R. CORTES CON LOS EJES. Cortes con el
Más detallesRelación de problemas: Variables aleatorias
Estadística y modelización. Ingeniero Técnico en Diseño Industrial. Relación de problemas: Variables aleatorias 1. Se lanza tres veces una moneda y se observa el número de caras. (a) Calcula la distribución
Más detallesCurso: Métodos de Monte Carlo Unidad 2, Sesión 6: Integración por Monte Carlo
Curso: Métodos de Monte Carlo Unidad 2, Sesión 6: Integración por Monte Carlo Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo,
Más detallesCriptografía y Seguridad Computacional 2016-01. Clase 5: 30/03/2016. Tenemos el siguiente esquema donde se manda un mensaje con tag t de verificación:
Criptografía y Seguridad Computacional 2016-01 Clase 5: 30/03/2016 Profesor: Fernando Krell Notas: Diego Peña 1. Seguridad en Verificación Tenemos el siguiente esquema donde se manda un mensaje con tag
Más detallesINTERCAMBIADORES DE CALOR
1 OBJETO: INTERCAMBIADORES DE CALOR Estudio del comportamiento de un cambiador de calor de carcasa y tubos. Determinación de su coeficiente global de transmisión de calor, DMLT, F, eficiencia, NUT, y pérdidas
Más detallesCAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas
CAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas Introducción En la economía, la variación de alguna cantidad con respecto a otra puede ser descrita por un concepto promedio o por un concepto
Más detalles. Cómo es la gráfica de z[n]?
UNIVERSIDAD INDUSTRIAL DE SANTANDER Escuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones - E³T Perfecta combinación entre energía e intelecto TRATAMIENTO DE SEÑALES Actividades de Clase:
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Más detallesDetección y características del receptor
Capítulo 7 Detección y características del receptor El receptor en un sistema de comunicación por fibra óptica para transmisión no coherente consiste en un fotodoetector más un amplificador y unos circuitos
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesSeries y Probabilidades.
Series y Probabilidades Alejandra Cabaña y Joaquín Ortega 2 IVIC, Departamento de Matemática, y Universidad de Valladolid 2 CIMAT, AC Índice general Sucesiones y Series Numéricas 3 Sucesiones 3 2 Límites
Más detallesFigura 1.12 Señalización analógica y digital de datos analógicos y digitales.
Los datos digitales se pueden representar por señales digitales, con un nivel de tensión diferente por cada uno de los dígitos binarios. Como se muestra en la figura 1.12, éstas no son las únicas posibilidades.
Más detallesTema 1. Curso 2015/16 Semestre 1. Supuesto 1. Supuesto 2.
Tema 1 Supuesto 1. Curso 2015/16 Semestre 1 Un fabricante de cables de interconexión está diseñando un cable para ser usado como interfaz digital de alta velocidad entre dos equipos. Con el fin de ofrecer
Más detalles35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico
q 1 q 2 Prof. Félix Aguirre 35 Energía Electrostática Potencial Eléctrico La interacción electrostática es representada muy bien a través de la ley de Coulomb, esto es: mediante fuerzas. Existen, sin embargo,
Más detallesINSTRUCCIONES GENERALES Y VALORACIÓN
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO Curso 2014-2015 MATERIA: MATEMÁTICAS II INSTRUCCIONES GENERALES Y VALORACIÓN Después
Más detallesBloque 5. Probabilidad y Estadística Tema 1. Probabilidad Ejercicios resueltos
loque 5. Probabilidad y Estadística Tema 1. Probabilidad Ejercicios resueltos 5.1-1 Se lanzan al aire tres monedas iguales, describe todos los sucesos del esacio muestral. Sean los sucesos A = sacar al
Más detallesTema 8: Análisis Discriminante. Clasificación. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. Análisis discriminante
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Análisis discriminante Tema 8: Análisis Discriminante y Clasificación Aurea
Más detalles16.36: Ingeniería de sistemas de comunicación. Clase 15: ProtocolosARQ. Eytan Modiano
16.36: Ingeniería de sistemas de comunicación Clase 15: ProtocolosARQ Eytan Modiano Solicitud de repetición automática (ARQ) Divide archivos de gran tamaño en paquetes ARCHIVO PKT H PKT H PKT H Comprueba
Más detallesOptimización, Solemne 2. Semestre Otoño 2012 Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: 110 min.
UNIVERSIDAD DIEGO PORTALES. FACULTAD DE INGENIERIA. ESCUELA DE INGENIERIA INDUSTRIAL. Optimización, Solemne. Semestre Otoño Profesores: Paul Bosch, Rodrigo López, Fernando Paredes, Pablo Rey Tiempo: min.
Más detallesFísica Computacional
Física Computacional Dr. José Mejía López Física Teórica, segundo piso e-mail: jmejia@puc.cl Sitio Web: http://neel2.fis.puc.cl/cncm/fiscompu/sitio_web/portada.html Capítulo 2a - Control de la Temperatura
Más detallesPráctica 5: Modulaciones digitales
TEORÍA DE LA COMUNICACIÓN 2009/10 EPS-UAM Práctica 5: Modulaciones digitales Apellidos, nombre Apellidos, nombre Grupo Puesto Fecha El objetivo de esta práctica es familiarizar al alumno con los principios
Más detallesSEÑALES Y ESPECTROS SEÑALES Y ESPECTROS 1
SEÑALES Y ESPECTROS INTRODUCCIÓN. TERMINOLOGÍA USADA EN TRANSMISIÓN DE DATOS. FRECUENCIA, ESPECTRO Y ANCHO DE BANDA. DESARROLLO EN SERIE DE FOURIER PARA SEÑALES PERIÓDICAS. TRANSFORMADA DE FOURIER PARA
Más detalles01/10/2010. 3. Señales, codificación y modulación. Contenido. a. Señales digitales. a. Señales digitales b. Conversión digital a digital
3. Señales, codificación y modulación Contenido a. Señales digitales b. Conversión digital a digital c. Conversión esó analógico aógcoadga digital d. Conversión digital a analógico e. Conversión analógico
Más detallesReconocimiento Estadístico de Patrones, Parte 3. Johan Van Horebeek horebeek@cimat.mx Enero - Junio 2011
Reconocimiento Estadístico de Patrones, Parte 3 Johan Van Horebeek horebeek@cimat.mx Enero - Junio 2011 1. Temario del curso 2. Algunos ejemplos 3. Trabajar y analizar datos grandes en R 4. Visualizar
Más detallesT.1 CONVERGENCIA Y TEOREMAS LÍMITE
T.1 CONVERGENCIA Y TEOREMAS LÍMITE 1. CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIA CONVERGENCIA CASI-SEGURA CONVERGENCIA EN PROBABILIDAD CONVERGENCIA EN MEDIA CUADRÁTICA CONVERGENCIA EN LEY ( O DISTRIBUCIÓN)
Más detallesTarea 1 - Vectorial 201420
Tarea - Vectorial 040. Part :. - 3... Hacer parametrización de la curva de intersección del cilindro x + y = 6 y el plano x + z = 5. Encontrar las coordenadas de los puntos de la curva donde la curvatura
Más detallesEjercicios de Programación Lineal
Ejercicios de Programación Lineal Investigación Operativa Ingeniería Informática, UCM Curso 8/9 Una compañía de transporte dispone de camiones con capacidad de 4 libras y de 5 camiones con capacidad de
Más detallesSistemas de Telecomunicación
Sistemas de Telecomunicación Control Intermedio TIPO A 22 de Marzo de 2012 APELLIDOS: NOMBRE: - El examen se realizará sin libros ni apuntes y tendrá una duración total de 90 minutos. Puede utilizarse
Más detallesTema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES
Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos
Más detallesMADRID / JUNIO 06 LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / OPCIÓN A/ EXAMEN COMPLETO
EXAMEN COMPLETO INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: El examen presenta dos opciones: A y B. El alumno deberá elegir una de ellas y contestar razonadamente a los cuatro ejercicios de que
Más detallesConceptos y Terminologías en la Transmisión de Datos. Representaciones de Señales.
Universidad Central de Venezuela Facultad de Ciencias Escuela de Computación Conceptos y Terminologías en la Transmisión de Datos y Sistemas de Comunicaciones Electrónicos. Representaciones de Señales.
Más detallesTeoría de las decisiones y de los juegos 2007-2008 Grupo 51 Ejercicios - Tema 3 Juegos dinámicos con información completa (0, 2) 2 D (3, 0) 1 B I
Teoría de las decisiones y de los juegos 007-008 rupo 5 Ejercicios - Tema 3 Juegos dinámicos con información completa. Considere el siguiente juego en su forma extensiva. I (0, ) D (3, 0) I (, ) D (, 3)
Más detallesUNIVERSIDAD DE ANTIOQUIA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERIA ELECTRÓNICA LABORATORIO DE CIRCUITOS II PRÁCTICA N 6 " FILTROS ACTIVOS "
UNIVERSIDAD DE ANTIOQUIA FACULTAD DE INGENIERÍA DEPARTAMENTO DE INGENIERIA ELECTRÓNICA LABORATORIO DE CIRCUITOS II PRÁCTICA N 6 " FILTROS ACTIVOS " OBJETIVOS - Conocer algunas toologías ara el diseño de
Más detallesFibra Óptica. Espectro electromagnético
Fibra Óptica Transmisión de datos por pulsos de luz: 1 = luz 0 = no luz Frecuencias 1 E14 Hz (850 nm, 1310 nm, 1550 nm). Gran capacidad en ancho de banda (Gbps). Ligera y de tamaño reducido. Poca atenuación
Más detallesFunciones de varias variables reales
Capítulo 6 Funciones de varias variables reales 6.1. Introducción En muchas situaciones habituales aparecen funciones de dos o más variables, por ejemplo: w = F D (Trabajo realizado por una fuerza) V =
Más detalles4.1 TIPOS DE CONTROLADORES.
4.1 TIPOS DE CONTROLADORES. El término controlador en un sistema de control con retroalimentación, a menudo está asociado con los elementos de la trayectoria directa entre la señal actuante (error) e y
Más detallessección página desplazamiento
1 1.- PROBLEMA (30%) Un sistema de gestion de memoria soorta esacios de direcciones logicas de 32 bits y un modelo de memoria aginado con tama~nos de agina de 4K bytes. Con estos datos, la tabla de aginas
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema 7 Funciones reales de una variable real Elaborado por la Profesora Doctora
Más detallesTeoría de Telecomunicaciones
Capítulo 1. Generalidades Universidad del Cauca Teoría de Telecomunicaciones 1 Limitaciones en las Comunicaciones Eléctricas En el diseño de sistemas de comunicaciones eléctricos, siempre se debe enfrentar
Más detallesMatemáticas II CURVAS
CURVAS En este tema introduciremos nuevos conceptos relacionados con la curva y sus parametrizaciones. Definiciones.- Sea γ : I = [a,b] R n. Se dice que la curva es cerrada si γ(a) = γ(b). Se dice que
Más detallesCompuertas lógicas Álgebra de Boole
Electrónica Digital Departamento de Electrónica Compuertas lógicas Álgebra de Boole Facultad de Ingeniería Bioingeniería Universidad Nacional de Entre Ríos 26/03/2013 0 Temario del día Compuertas lógicas
Más detalles1.- Hallar la longitud de un grado del paralelo que corresponde a Pekín (116º 30 E, 40º N). O P del paralelo de Pequín R
1.- Hallar la longitud de un grado del aralelo que corresonde a Pekín (116º 30 E, 40º N). 360º π R P π R P 1º L =. Hay que hallar el radio 1º L 360º RP O P del aralelo de Pequín R P. 50º Llamando R T al
Más detallesCAPÍTULO 1. PROPAGACIÓN DE LAS ONDAS PLANAS UNIFORMES
CAPÍTULO 1. PROPAGACIÓN DE LAS ONDAS PLANAS UNIFORMES 1.1 Ecuación de onda. Las ecuaciones de Maxwell se publicaron en 1864, su principal función es predecir la propagación de la energía en formas de Onda.
Más detallesNOTAS PARA EL DICTADO DE CLASES DEL CURSO DE POSGRADO TEORÍA DE CATEGORÍAS
NOTS PR EL DICTDO DE CLSES DEL CURSO DE POSGRDO TEORÍ DE CTEGORÍS (Primera clase: deinición y ejemplos) Introducción Teoría de Categorías tiene que ver con graos y tiene que ver con unciones. Tiene que
Más detallesPrincipio de la Termodinámica
ema.- Primer P Princiio de la ermodinámica..- El rabajo en la Mecánica. rabajo realizado or una fuerza externa F, que actúa sobre los límites del sistema, cuando su unto de alicación exerimenta un deslazamiento
Más detallesTeoría de Probabilidad
Matemáticas Discretas L. Enrique Sucar INAOE Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para las que no existe
Más detallesDiagrama de Fases Temperatura de Ebullición-Composición de una Mezcla
Diagrama de Fases Temperatura de Ebullición-Composición de una Mezcla Líquida Binaria. Fundamentos teóricos. 1.- Equilibrios líquido-vapor en sistemas binarios: Disoluciones ideales. 2.- Diagramas de fase
Más detallesDERIVABILIDAD DE FUNCIONES
CAPÍTULO V. DERIVABILIDAD DE FUNCIONES SECCIONES A. Definición de derivada. B. Reglas de derivación. C. Derivadas sucesivas. D. Funciones implícitas. Derivación logarítmica. E. Ecuaciones paramétricas.
Más detalles(a) El triángulo dado se descompone en tres segmentos de recta que parametrizamos de la siguiente forma: (0 t 1); y = 0. { x = 1 t y = t. (0 t 1).
INTEGRALES DE LÍNEA. 15. alcular las siguientes integrales: (a) (x + y) ds donde es el borde del triángulo con vértices (, ), (1, ), (, 1). (b) x + y ds donde es la circunferencia x + y ax (a > ). (a)
Más detallesAprendizaje por refuerzo
Inteligencia Artificial Aprendizaje por refuerzo Ing. Sup. en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani Aprendizaje Resumen: 3. Aprendizaje automático 3.1 Introducción
Más detallesMACROECONOMÍA II Licenciatura en Administración y Dirección de Empresas Marzo 2004
MACROECONOMÍA II Licenciatura en Administración y Dirección de Empresas Marzo 2004 EL TIO DE CAMBIO REAL El tipo de cambio nominal expresa el precio de una moneda en términos de otra. or ejemplo, el tipo
Más detallesMétodos generales de generación de variables aleatorias
Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad
Más detallesEl concepto de integral con aplicaciones sencillas
El concepto de integral con aplicaciones sencillas Eliseo Martínez Marzo del 24 Abstract Este artículo trata de ejemplos sencillos del concepto de integral con aplicaciones a la Física, la Teoría de la
Más detallesI.1 Las siguientes afirmaciones son ciertas o falsas. Si una afirmación es cierta, ofrezca una explicación. Si es falsa ponga un contraejemplo.
Teoría de Juegos Examen de enero de 2013 Nombre Grupo: Tiene dos horas y media para completar el examen I Preguntas cortas (20 puntos) I1 Las siguientes afirmaciones son ciertas o falsas Si una afirmación
Más detallesIntroducción a la Teoría de la Información. Tomás V. Arredondo 8/4/2011
Introducción a la Teoría de la Información Tomás V. Arredondo 8/4/20 Introducción a la a la Teoría de la Información y Aplicaciones Contenidos: Introducción a algunos aspectos de la teoría de la información
Más detallesCAPÍTULO 4: ALGORITMOS DE APRENDIZAJE
Capítulo 4 Algoritmos de Aprendizaje 26 CAPÍTULO 4: ALGORITMOS DE APRENDIZAJE En este capítulo se proporcionan las descripciones matemáticas de los principales algoritmos de aprendizaje para redes neuronales:
Más detallesUNIDAD I FUNDAMENTOS DEL SONIDO
SONIDO Y ELECTROACÚSTICA Prof. IGNACIO ARRIAGADA v.2012 UNIDAD I FUNDAMENTOS DEL SONIDO SONIDO: Sensación producida en el sistema auditivo por el cambio de presión generado por el movimiento vibratorio
Más detallesSistemas de Generación de Energía Eléctrica HIDROLOGÍA BÁSICA. Universidad Tecnológica De Pereira
2010 Sistemas de Generación de Energía Eléctrica HIDROLOGÍA BÁSICA Universidad Tecnológica De Pereira Conceptos Básicos de Hidrología La hidrología es una ciencia clave en el estudio de los sistemas de
Más detallesβ = 2.4 Para el primer nilo de la portadora, por lo tanto J ELECTRONICA Y TELECOMUNICACIONES Competencia Individual Nivel 2 Segunda Ronda
ELECTONICA Y TELECOMUNICACIONES Competencia Individual Nivel Segunda onda 1. Se transmite un tono utilizando FM. Cuando no hay mensaje, el transmisor emite 100 W sobre 50 ohmios. La desviación de frecuencia
Más detallesCurso Cero Grado en Ingeniería Informática
ESCUELA POLITÉCNICA SUPERIOR UNIVERSIDAD CARLOS III DE MADRID Curso Cero Grado en Ingeniería Informática Primera Parte Conjuntos y funciones. Combinatoria. Teoría de números. Juan Diego ÁLVAREZ ROMÁN Manuel
Más detallesGASES barómetro Unidades
GASES Estado de la material: Alta Ec y bajas interacciones intermoleculares Son altamente compresibles y ocupan el volumen del recipiente que lo contiene. Cuando un gas se somete a presión, su volumen
Más detalles-12-10 -8-6 -4-2 0 2 4 6 8 10 12. x [ 64, ] se tiene:
Concepto de valor absoluto: El Valor Absoluto se define como la distancia entre dos números reales en la recta numérica. Con el objeto de afianzar el concepto de valor absoluto, es necesario ligarlo a
Más detallesTema: Modulaciones Digitales
Tema: Modulaciones Digitales Adriana Dapena Janeiro (adriana@udc.es) Facultad de Informática Universidade da Coruña Campus de Elviña s/n 15071. A Coruña Modulaciones digitales.- Adriana Dapena p. 1 Objetivos
Más detallesPRÁCTICA 4. De las dos primeras CPO operando y simplificando se obtiene la condición de tangencia:
.- Determine la exresión de la demanda del bien x ara la siguiente función de utilidad: Para calcular la del bien x hay que resolver el roblema de maximización de la utilidad condicionada a la renta disonible
Más detallesAPÉNDICE A. Revisión de literatura
0 DIANA MARITZA UMBARILA UMBARILA AUTOR TÍTULO CONCLUSIONES Y/O RECOMENDACIONES Auguste S., Artana D. (006) Heinz R, Hela C, Roberto R y Craig T. (006) Jara D., Gomez C. y Pardo A (005) Jara D. (006 a)
Más detallesTEMA 1: Cálculo Diferencial de una variable
TEMA 1: Cálculo Diferencial de una variable Cálculo para los Grados en Ingeniería EPIG - UNIOVI Curso 2010-2011 Los números Naturales I Los números Naturales N = f1, 2, 3, g I Principio de inducción Supongamos
Más detalles1 Introducción... 2. 2 Distribución exponencial... 2. 3 Distribución Weibull... 6. 4 Distribuciones Gamma y k-erlang... 10
Asignatura: Ingeniería Industrial Índice de Contenidos 1 Introducción... 2 2 Distribución exponencial... 2 3 Distribución Weibull... 6 4 Distribuciones Gamma y k-erlang... 10 5 Distribución log-normal...
Más detallesTema 1: Sistemas de comunicación digital. Transmisión digital (I.T.T. Telemática)
Tema 1: Sistemas de comunicación digital Transmisión digital (I.T.T. Telemática) Introducción Se entiende por comunicación al proceso por el cual se transfiere información desde un punto llamado fuente
Más detallesTema 7 La Empresa en el Mercado de Competencia Perfecta. Economía Aplicada
Tema 7 La Empresa en el Mercado de Competencia erfecta Economía Aplicada Curso 2008-2009 1 Índice 1. Introducción 2. Los ingresos en competencia perfecta 3. La maximización de beneficios en competencia
Más detallesEquipo que transforma la energía. Figura 6.1 Flujo de energía
ÉRDIDAS Y CALENTAMIENTO EN MÁQUINAS ELÉCTRICAS 6.1 Introducción En todo proceso de transformación de la energía, se produce una diferencia entre la potencia que entrega el equipo para su utilización (otencia
Más detallesDistribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema:
Distribuciones Multivariantes Distribuciones Multivariantes Distribución conjunta de un vector aleatorio Objetivos del tema: Distribuciones marginales y condicionadas Al final del tema el alumno será capaz
Más detalles