Integración por el método de Monte Carlo

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Integración por el método de Monte Carlo"

Transcripción

1 Integración por el método de Monte Carlo Georgina Flesia FaMAF 7 de abril 2015

2 El método de Monte Carlo El método de Monte Carlo es un procedimiento general para estudiar procesos mediante la seleccion de muestras aleatorias de una población. La denominación Monte Carlo fue popularizado por los científicos Stanislaw Ulam, Enrico Fermi, John von Neumann, y Nicholas Metropolis, entre otros, quienes ya trabajaban sobre muestreo estadístico. Hace referencia al Casino de Montecarlo en Mónaco, dado que uno de los primero sistemas estudiados fue el de la ruleta de dicho casino.

3 Aplicación en cálculos matemáticos Este método se utiliza para calcular numéricamente expresiones matemáticamente complejas y difíciles de evaluar con exactitud, o que no pueden resolverse analíticamente. Algunos ejemplos son: Cálculo de integrales definidas Aproximaciones al valor de π. y el número de Euler e

4 Cálculo de integrales definidas Se tienen en cuenta los siguientes resultados: Si X es una variable aleatoria con densidad f y g : R R es una función, entonces el valor esperado de la v. a. g(x) es E[g(X)] = g(x) f (x) dx. Ley Fuerte de los Grandes Números: Si X 1, X 2,... es una sucesión de v. a. i. i. d., todas con media µ, entonces lim n X 1 + X 2 + X n n = µ.

5 Integración sobre (0, 1) Ejemplo Calcular θ = 1 0 g(x) dx. Si U U(0, 1), entonces θ = E[g(U)]. Si U 1, U 2,... v.a.i.i.d., uniformes en (0, 1), entonces g(u 1 ), g(u 2 ),... son v.a.i.i.d., con media θ. Luego lim n n i=1 por la ley de los grandes numeros g(u i ) n = θ.

6 g(x) = (1 x 2 ) 3/2 n = 20, Área=

7 g(x) = (1 x 2 ) 3/2 n = 100, Área=

8 g(x) = (1 x 2 ) 3/2 n = 300, Área=

9 g(x) = (1 x 2 ) 3/2 Analíticamente, comenzamos usando la sustitución x = sen(θ), dx = cos(θ)dθ. Entonces (1 x 2 ) 3/2 dx = (1 sen(θ) 2 ) 3/2 cos(θ)dθ = = (cos(θ) 2 ) 3/2 cos(θ)dθ = (cos(θ) 4 )dθ Aplicando las fórmulas trigonométricas: cos(θ) 2 = (1 + cos(2θ))/2 (1) cos(2θ) 2 = (1 + cos(4θ))/2 (2)

10 g(x) = (1 x 2 ) 3/2 Se puede reducir la integral a integrales de términos constantes y términos de cosenos: cos(θ) 4 dθ = ((1 + cos(2θ))/2) 2 )dθ = = (1/4)dθ + (1/4) cos(2θ) 2 dθ + (1/2) cos(2θ)dθ y se vuelve a aplicar la relación trigonométrica (2) al segundo término, las otras dos son inmediatas: cos(2θ) 2 dθ = (1 + cos(4θ))/2)dθ

11 g(x) = (1 x 2 ) 3/2 Así,pues, te queda: (cos(θ) 4 )dθ = (1/4)dθ + (1/4)(1 + cos(4θ))/2)dθ+ aplicando que: + (1/2) cos(2θ)dθ = (1/4)θ + (1/8)(θ + (1/4)sen(4θ)) + (1/4)sen(2θ) = (3/8)θ + (1/32)sen(4θ)) + (1/4)sen(2θ) cos(aθ)dθ = (1/a)sen(aθ)

12 g(x) = (1 x 2 ) 3/2 Analíticamente: 1 0 g(x) dx = π/2 0 (cos(θ) 4 )dθ = (3/8) π 2 +(1/4).sen(π)+(1/32).sen(2π) = 3 π Por Monte Carlo n Aproximación

13 Integración sobre (a, b) Ejemplo Calcular θ = b a g(x) dx, con a < b. Realizamos el cambio de variables y = x a b a, dy = 1 b a dx b g(x) dx = 1 a 0 g(a + (b a)y)(b a) dy = 1 0 h(y) dy.

14 Integración en (a, b) g(x) = e x+x 2 en ( 1, 1)

15 Integración en (a, b) g(x) = sen(x) en (0, 2π)

16 Integración en (a, b) g(x) = cos(x) en (π, 3π)

17 Integración sobre (0, ) Ejemplo Calcular θ = 0 g(x) dx. Realizamos el cambio de variables 0 y = 1 x + 1, dy = 1 (x + 1) 2 dx = y 2 dx g(x) dx = 0 1 g( 1 y 1) 1 g( 1 y y 2 dy = 1) 0 y 2 dy = 1 0 h(y) dy.

18 Integración sobre (0, ) g(x) = e x

19 Integración sobre (0, ) g(x) = 1 (2 + x 2 )

20 Integración sobre (0, ) g(x) = x (1 + x 2 ) 2

21 Integración sobre (0, ) Si usamos el siguiente cambio de variables y = 1 1 x + 1, dy = (y 1)2, entonces la transformación está dada por una función creciente y : [0, ] [0, 1). Se tienen entonces los siguientes gráficos:

22 Integración sobre (0, ) g(x) = e x

23 Integración sobre (0, ) g(x) = 1 (2 + x 2 )

24 Integración sobre (, ) Para resolverla tenemos que identificar la paridad de la función. 1. Si la función es par, la integral en el rango (, ) es dos veces la integral en (0, ). 2. Si la función no es par, entonces debo partir el rango (, ) en 2.1 (0, ) hacer cambio de variables al [0, 1] 2.2 (, 0), por ejemplo, mandar al (0, ) usando el negativo de la función y luego al [0, 1] con un cambio de variables

25 Integrales múltiples El método de Monte Carlo para el cálculo de integrales en una variable no es muy eficiente, comparado con otros métodos numéricos que convergen más rápidamente al valor de la integral. Pero sí cobra importancia en el caso del cálculo numérico de integrales múltiples: g(x 1,..., x l ) dx 1... dx l

26 Integrales múltiples Para calcular la cantidad θ = g(x 1,..., x l ) dx 1... dx l utilizamos el hecho que θ = E[g(U 1,..., U l )] con U 1,..., U l independientes y uniformes en (0, 1).

27 Si U 1 1,..., U 1 l U 2 1,..., U 2 l. U n 1,..., U n l son n muestras independientes de estas l variables, podemos estimar n g(u1 i θ,..., Ui l ) n i=1

28 g(x, y) = e (x+y) en (0, 1) (0, 1)

29 Calculo aproximado del valor del numero de Euler e El número de Euler aparece como resultado de muchas ecuaciones, en especial e = n=0 Si vemos que este límite como la esperanza de una variable aleatoria, podemos estimarlo por Monte Carlo 1 n!

30 Calculo aproximado del valor del numero de Euler e Supongamos que U 1, U 2,..., U n son v.a. uniformemente distribuidas n en el (0, 1), definimos como S n = U i. y como N a la variable i=1 aleatoria dada por { } n N = min n : U i > 1 = min {n : S n > 1}. i=1 La variable N cumple que E[N] = e. Por lo cual, el valor de e puede ser aproximado por Monte Carlo. e N min { n : Sn i > 1 } i=1 N

31 Calculo aproximado del valor del numero de Euler e U 1, U 2,..., U n i.i.d. U(0, 1), S n = n U i., N = min {n : S n > 1}. i=1 E[N] = n P[N = n]. n=2 P[S n > 1] = P[S n 1 > 1] + P[N = n], por lo cual P[N = n] = P[S n > 1] P[S n 1 > 1].

32 Cálculo de P[S n > 1] Sea f n la función de densidad de la variable aleatoria S n, n 1. Entonces f n (x) = x n 1 (n 1)! para todo 0 < x < 1 EJERCICIO DEL PRACTICO!!!!!!

33 Cálculo de E[N] Tenemos que P[S n > 1] = 1 P[S n 1] = 1 P[N = n] = E[N] = n=2 1 0 f n (t)dt = 1 1 n!. ( 1 1 ) ( ) 1 1 = n 1 n! (n 1)! n! n n 1 n! = n=2 1 (n 2)! = 1 n! = e. n=0

34 Cálculo aproximado el valor de π Recordemos que el área de un círculo de radio r es π r 2, y por lo tanto π es el área del circulo de radio 1 centrado en el cero. Supongamos elegir un punto de coordenadas (X, Y ) al azar en el cuadrado, la probabilidad de que dicho punto este dentro del circulo es P((X; Y )este en el circulo = P(X 2 + Y 2 < 1) = area del circulo areadelcuadrado = π 4

35 Cálculo aproximado el valor de π Por lo cual si simulamos puntos al azar en el cuadrado, podemos aproximar esta probabilidad por la fraccion de puntos simulados que caen dentro del circulo.

36 Cálculo aproximado el valor de π Si X e Y son v.a.i.i.d., uniformes en ( 1, 1), ambas con densidad f (x) = 1 en ( 1, 1), entonces su densidad conjunta será: 2 f (x, y) = f (x)f (y) = 1, en ( 1, 1) ( 1, 1). 4 Por lo tanto (X, Y ) es un vector con distribución uniforme en ( 1, 1) ( 1, 1).

37 Cálculo de π Si U 1, U 2 U(0, 1) independientes entonces X = 2U 1 1 Y = 2U 2 1 son independientes con distribucion X, Y U( 1, 1). La variable indicadora { 1 si X 2 + Y 2 1 I = 0 c.c. cumple E[I] = P(X 2 + Y 2 1) = π 4.

38 Algoritmo para el cálculo de π Algorithm 1: Generar π PI 0; for i = 0 to n do Generar U, V U(0, 1); X 2U 1; Y 2V 1; if X 2 + Y 2 1 then PI PI + 1 end end PI 4 PI/n

39 La aguja de Buffon Un problema planteado en el s. XVIII por Georges Louis Leclerc, conde de Buffon, fue la siguiente: Se tienen rectas paralelas equidistantes entre sí, y se arroja una aguja de longitud mayor o igual a la distancia entre dos rectas. Cuál es la probabilidad que una aguja corte a una de las rectas?

40 La aguja de Buffon

41 La aguja de Buffon θ l x l 2 sen(θ) t

42 La aguja de Buffon t la distancia entre las rectas. l la longitud de la aguja. θ la medida del ángulo agudo entre la aguja (o su prolongación) y una de las rectas. x la distancia entre el punto medio de la aguja y la recta más cercana x y θ son v.a. uniformes con distribución f (x) y g(θ): f (x) = 2 t, g(θ) = 2 π.

43 La aguja de Buffon Una aguja cortará la recta si y sólo si la distancia de su centro a una de las rectas es menor que l 2 sen(θ), es decir x < l 2 sen(θ). P(la aguja corte la recta) = π/2 0 l 2 sen(θ) P(la aguja corte la recta) = 2l π t. Tomando l = t, obtenemos aproximaciones a 2 π dx dθ t π

Integración por el método de Monte Carlo

Integración por el método de Monte Carlo Integración por el método de Monte Carlo Georgina Flesia FaMAF 29 de marzo, 2012 El método de Monte Carlo El método de Monte Carlo es un procedimiento general para seleccionar muestras aleatorias de una

Más detalles

Para qué se utiliza? Integración por el método de Monte Carlo. El método de Monte Carlo. Cálculo de integrales definidas

Para qué se utiliza? Integración por el método de Monte Carlo. El método de Monte Carlo. Cálculo de integrales definidas Para qué se utiiza? Integración por e método de Monte Caro Patricia Kisbye FaMAF 31 de marzo, 29 Es un método que utiiza números aeatorios para cacuar numéricamente expresiones matemáticamente compejas

Más detalles

ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS

ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS DESCRIPCIÓN DEL TEMA: 10.1. Introducción. 10.2. Método de las transformaciones. 10.3. Método de inversión. 10.4. Método de aceptación-rechazo.

Más detalles

Ejercicios de Modelos de Probabilidad

Ejercicios de Modelos de Probabilidad Ejercicios de Modelos de Probabilidad Elisa M. Molanes-López, Depto. Estadística, UC3M Binomial, Poisson, Exponencial y Uniforme Ejercicio. Se dispone de un sistema formado por dos componentes similares

Más detalles

CÁLCULO PARA LA INGENIERÍA 1

CÁLCULO PARA LA INGENIERÍA 1 CÁLCULO PARA LA INGENIERÍA 1 PROBLEMAS RESUELTOS Tema 3 Derivación de funciones de varias variables 3.1 Derivadas y diferenciales de funciones de varias variables! 1. Derivadas parciales de primer orden.!

Más detalles

UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS UNIDAD ACADÉMICA MULTIDISCIPLINARIA REYNOSA-RODHE SIMULACIÓN DE SISTEMAS

UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS UNIDAD ACADÉMICA MULTIDISCIPLINARIA REYNOSA-RODHE SIMULACIÓN DE SISTEMAS UNIDAD MÉTODOS DE MONTECARLO II 2.1 Definición Los métodos de Montecarlo abarcan una colección de técnicas que permiten obtener soluciones de problemas matemáticos o físicos por medio de pruebas aleatorias

Más detalles

13. Técnicas de simulación mediante el método de Montecarlo

13. Técnicas de simulación mediante el método de Montecarlo 13. Técnicas de simulación mediante el método de Montecarlo Qué es la simulación? Proceso de simulación Simulación de eventos discretos Números aleatorios Qué es la simulación? Simulación = técnica que

Más detalles

Funciones de varias variables reales

Funciones 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 detalles

b) Para encontrar los intervalos de crecimiento y decrecimiento, hay que derivar la función. Como que se trata de un cociente, aplicamos la fórmula:

b) 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 detalles

Unidad 3 Generación de números aleatorios.

Unidad 3 Generación de números aleatorios. Unidad 3 Generación de números aleatorios. Ejercicio 1. Generadores de números aleatorios. La implementación de un buen generador de números aleatorios uniformemente distribuidos sobre el intervalo (0,

Más detalles

1. Funciones de varias variables

1. Funciones de varias variables Análisis Matemático II. Curso 2008/2009. Diplomatura en Estadística/Ing. Téc. en Inf. de Gestión. Universidad de Jaén TEMA 2: CONTINUIDAD DE FUNCIONES DE VARIAS VARIABLES 1. Funciones de varias variables

Más detalles

1. Derivadas parciales

1. 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 detalles

Tarea 1 - Vectorial 201420

Tarea 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 detalles

ANALISIS MATEMATICO II Grupo Ciencias 2015

ANALISIS MATEMATICO II Grupo Ciencias 2015 ANALISIS MATEMATICO II Grupo Ciencias 05 Práctica : Geometría Analítica: Vectores, Rectas y Planos A. Vectores Hasta el 9 de marzo. Sean v = (0,, ) y w = (,, 4) dos vectores de IR 3. (a) Obtener el coseno

Más detalles

35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico

35 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 detalles

Santiago, julio 6 del Tercera Solemne Cálculo Varias Variables. Nombre:

Santiago, julio 6 del Tercera Solemne Cálculo Varias Variables. Nombre: Nombre: Santiago, julio 6 del 26. Tercera Solemne Cálculo Varias Variables. 1. La temperatura en un punto (x, y) sobre una placa metalica es T (x, y) 4x 2 4xy + y 2. Una hormiga camina sobre la placa alrededor

Más detalles

Apuntes sobre algunos teoremas fundamentales de análisis complejo, con 20 ejemplos resueltos (2007-08)

Apuntes sobre algunos teoremas fundamentales de análisis complejo, con 20 ejemplos resueltos (2007-08) Variable Compleja I (3 o de Matemáticas) Apuntes sobre algunos teoremas fundamentales de análisis complejo, con ejemplos resueltos (7-8) En estos apuntes, consideraremos las funciones anaĺıticas (holomorfas)

Más detalles

Cap. 24 La Ley de Gauss

Cap. 24 La Ley de Gauss Cap. 24 La Ley de Gauss Una misma ley física enunciada desde diferentes puntos de vista Coulomb Gauss Son equivalentes Pero ambas tienen situaciones para las cuales son superiores que la otra Aquí hay

Más detalles

Alvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012

Alvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012 Contenido Motivación Métodos computacionales Integración de Montecarlo Muestreo de Gibbs Rejection Muestreo Importante Metropolis - Hasting Markov Chain Montecarlo Method Complemento ejemplos libro: Bayesian

Más detalles

SIMULACIÓN MCMC. Dr. Holger Capa Santos

SIMULACIÓN MCMC. Dr. Holger Capa Santos SIMULACIÓN MCMC Dr. Holger Capa Santos Septiembre, 2009 CONTENIDO Integración Montecarlo Problema con la Integración Montecarlo Muestreo de Importancia Algoritmos de Metropolis y Metropolis-Hastings Muestreador

Más detalles

2. Vector tangente y gráficas en coordenadas polares.

2. Vector tangente y gráficas en coordenadas polares. GRADO DE INGENIERÍA AEROESPACIAL CURSO 0 Vector tangente y gráficas en coordenadas polares De la misma forma que la ecuación cartesiana y = yx ( ) define una curva en el plano, aquella formada por los

Más detalles

Fundamentos Básicos de Monte Carlo N-Particle.

Fundamentos Básicos de Monte Carlo N-Particle. Capítulo. Fundamentos Básicos de Monte Carlo -Particle.. Historia. El método de Monte Carlo debe su nombre a la cuidad de Montecarlo en Mónaco donde se juega la ruleta, el juego de azar que genera números

Más detalles

Probabilidades y Estadística (Computación) Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Ana M. Bianco y Elena J.

Probabilidades y Estadística (Computación) Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Ana M. Bianco y Elena J. Generación de Números Aleatorios Números elegidos al azar son útiles en diversas aplicaciones, entre las cuáles podemos mencionar: Simulación o métodos de Monte Carlo: se simula un proceso natural en forma

Más detalles

Simulación, Método de Montecarlo

Simulación, Método de Montecarlo Simulación, Método de Montecarlo Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2011 Introducción 2 Introducción............................................................

Más detalles

Generación de números aleatorios

Generación de números aleatorios Generación de números aleatorios Marcos García González (h[e]rtz) Verano 2004 Documento facilitado por la realización de la asignatura Métodos informáticos de la física de segundo curso en la universidad

Más detalles

Probabilidad y Simulación

Probabilidad y Simulación Probabilidad y Simulación Estímulo del Talento Matemático Real Academia de Ciencias 4 de febrero de 2006 Entendiendo el azar Queremos entender un fenómeno aleatorio (azar, incertidumbre). Entenderlo lo

Más detalles

INSTRUCCIONES GENERALES Y VALORACIÓN

INSTRUCCIONES 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 detalles

Conceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas

Conceptos Fundamentales. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Conceptos Fundamentales Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas Análisis de datos en física de partículas Experimento en física de partículas: Observación de n sucesos de un cierto tipo (colisiones

Más detalles

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver

Más detalles

Integrales y ejemplos de aplicación

Integrales y ejemplos de aplicación Integrales y ejemplos de aplicación I. PROPÓSITO DE ESTOS APUNTES Estas notas tienen como finalidad darle al lector una breve introducción a la noción de integral. De ninguna manera se pretende seguir

Más detalles

Para cada cada valor de la función original lo multiplicas por 3 lo recorres 45 a la derecha y lo subes 5 unidades.

Para cada cada valor de la función original lo multiplicas por 3 lo recorres 45 a la derecha y lo subes 5 unidades. 3.5 Gráficas de las funciones: f(x) = a sen (bx + c) + d f(x) = a cos (bx + c) + d f(x) = a tan (bx + c) + d en donde a, b, c, y d son números reales En la sección 3.4 ya realizamos algunos ejemplos en

Más detalles

Nivelación de Matemática MTHA UNLP 1. Los números reales se pueden representar mediante puntos en una recta.

Nivelación de Matemática MTHA UNLP 1. Los números reales se pueden representar mediante puntos en una recta. Nivelación de Matemática MTHA UNLP 1 1. Desigualdades 1.1. Introducción. Intervalos Los números reales se pueden representar mediante puntos en una recta. 1 0 1 5 3 Sean a y b números y supongamos que

Más detalles

El Método de Monte Carlo. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas

El Método de Monte Carlo. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas El Método de Monte Carlo Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas El método de Monte Carlo es una técnica numérica para calcular probabilidades y otras cantidades relacionadas, utilizando secuencias

Más detalles

Tema 2: Estimación puntual

Tema 2: Estimación puntual Tema 2: Estimación puntual 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: estimador y estimación Insesgadez

Más detalles

Estadística aplicada y modelización. 10 de septiembre de 2005

Estadística aplicada y modelización. 10 de septiembre de 2005 Estadística aplicada y modelización. 10 de septiembre de 005 SOLUCIÓN MODELO A 1. Una persona se está preparando para obtener el carnet de conducir, repitiendo un test de 0 preguntas. En la siguiente tabla

Más detalles

ETS Caminos Santander. Curso 2012. Ejercicios de introducción a la programación.

ETS Caminos Santander. Curso 2012. Ejercicios de introducción a la programación. Ejercicio 1. Saludo. El programa preguntará el nombre al usuario y a continuación le saludará de la siguiente forma "Hola, NOMBRE" donde NOMBRE es el nombre del usuario. Ejercicio 2. Suma. El programa

Más detalles

Problemas resueltos. La integral de línea. 1. Halle la longitud de la curva dada por la parametrización. Solución:

Problemas resueltos. La integral de línea. 1. Halle la longitud de la curva dada por la parametrización. Solución: Problemas resueltos 1. Halle la longitud de la curva dada por la parametrización α(t) t ı + 4 3 t3/ j + 1 t k, t [, ]. α (t) (1, t 1/, 1 ), t [, ]. La curva α es de clase C 1 y, por tanto, es rectificable.

Más detalles

Departamento de Matemática Aplicada a la I.T. de Telecomunicación

Departamento de Matemática Aplicada a la I.T. de Telecomunicación Departamento de Matemática Aplicada a la I.T. de Telecomunicación EXAMEN RESUELTO DE ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO / FECHA: de Enero de Duración del examen: 3 horas Fecha publicación

Más detalles

CAPITULO 8. INTRODUCCION AL MÉTODO DE SIMULACIÓN MONTE CARLO

CAPITULO 8. INTRODUCCION AL MÉTODO DE SIMULACIÓN MONTE CARLO CAPITULO 8. INTRODUCCION AL MÉTODO DE SIMULACIÓN MONTE CARLO Objetivos del Capítulo Introducir los conceptos e ideas clave de la simulación Monte Carlo. Introducirse en las capacidades que ofrece Excel

Más detalles

Resumen TEMA 3: Cinemática del movimiento plano

Resumen TEMA 3: Cinemática del movimiento plano TEM 3: Cinemática del movimiento plano Resumen TEM 3: Cinemática del movimiento plano 1. Condiciones del movimiento plano Definición: un sólido rígido se mueve con un movimiento plano si todos sus puntos

Más detalles

ELIJA CUATRO DE LOS SEIS BLOQUES PROPUESTOS.

ELIJA CUATRO DE LOS SEIS BLOQUES PROPUESTOS. PRUEBAS DE ACCESO A LA UNIVERSIDAD Curso 008-009 MATEMÁTICAS II ELIJA CUATRO DE LOS SEIS BLOQUES PROPUESTOS. Bloque 1. Dado el número real a, se considera el sistema a) Discuta el sistema según los valores

Más detalles

UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano.

UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. EL PLANO CARTESIANO. El plano cartesiano está formado

Más detalles

Integración de Monte Carlo Técnicas Avanzadas de Gráficos en 3D

Integración de Monte Carlo Técnicas Avanzadas de Gráficos en 3D Integración de Monte Carlo Técnicas Avanzadas de Gráficos en 3D Miguel Ángel Otaduy 26 Abril 2010 Contexto Cálculo de la integral de radiancia reflejada en la ecuación de rendering Cálculo de la integral

Más detalles

Departamento de Matematicas UNIVERSIDAD DE LOS ANDES. Precálculo. (2Cos(2w) 1)(2Sen(3w) 2) = 0. hallar β en el intervalo [0, 2π]

Departamento de Matematicas UNIVERSIDAD DE LOS ANDES. Precálculo. (2Cos(2w) 1)(2Sen(3w) 2) = 0. hallar β en el intervalo [0, 2π] Departamento de Matematicas UNIVERSIDAD DE LOS ANDES. Precálculo Parcial III 15 % Estudiante: Tiempo: 1 h. Fecha: 1 Resolver la ecuación para w en 0 w 2π. (2Cos(2w) 1)(2Sen(3w) 2) = 0 2 Hallar los ceros

Más detalles

Opción A Ejercicio 1 opción A, modelo Junio 2013 x cos(x) + b sen(x) [2 5 puntos] Sabiendo que lim

Opción A Ejercicio 1 opción A, modelo Junio 2013 x cos(x) + b sen(x) [2 5 puntos] Sabiendo que lim IES Fco Ayala de Granada Junio de 013 (Modelo ) Soluciones Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo Junio 013 x cos(x) + b sen(x) [ 5 puntos] Sabiendo que lim es finito, calcula b

Más detalles

2.1.5 Teoremas sobre derivadas

2.1.5 Teoremas sobre derivadas si x < 0. f(x) = x si x 0 x o = 0 Teoremas sobre derivadas 9 2. f(x) = x 3, x o = 3 a. Determine si f es continua en x o. b. Halle f +(x o ) y f (x o ). c. Determine si f es derivable en x o. d. Haga la

Más detalles

Generación de variables aleatorias continuas Método de la transformada inversa

Generación de variables aleatorias continuas Método de la transformada inversa Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

FUNCIONES 1. DEFINICION DOMINIO Y RANGO

FUNCIONES 1. DEFINICION DOMINIO Y RANGO 1. DEFINICION DOMINIO Y RANGO FUNCIONES Antes de definir función, uno de los conceptos fundamentales y de mayor importancia de todas las matemáticas, plantearemos algunos ejercicios que nos eran de utilidad

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 21

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 21 SIGNTU: MTEMTI EN IOLOGI DOENTE: LI.GUSTO DOLFO JUEZ GUI DE TJO PTIO Nº ES: POFESODO Y LIENITU EN IOLOGI _PGIN Nº 4_ GUIS DE TIIDDES Y TJO PTIO Nº OJETIOS: Lograr que el lumno: Interprete la información

Más detalles

COORDENADAS CURVILINEAS

COORDENADAS CURVILINEAS CAPITULO V CALCULO II COORDENADAS CURVILINEAS Un sistema de coordenadas es un conjunto de valores que permiten definir unívocamente la posición de cualquier punto de un espacio geométrico respecto de un

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos

Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo, Uruguay

Más detalles

Las Matemáticas En Ingeniería

Las Matemáticas En Ingeniería Las Matemáticas En Ingeniería 1.1. Referentes Nacionales A nivel nacional se considera que el conocimiento matemático y de ciencias naturales, sus conceptos y estructuras, constituyen una herramienta para

Más detalles

Distribuciones Multivariantes. Distribuciones Multivariantes. Distribuciones Multivariantes. Objetivos del tema:

Distribuciones 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

Unidad II: Números pseudoaleatorios

Unidad II: Números pseudoaleatorios Unidad II: Números pseudoaleatorios 2.1 Métodos de generación de números Pseudoaleatorio Métodos mecánicos La generación de números aleatorios de forma totalmente aleatoria, es muy sencilla con alguno

Más detalles

5 Demostrar cada una de las siguientes afirmaciones empleando la definición de

5 Demostrar cada una de las siguientes afirmaciones empleando la definición de Hallar el dominio de las siguientes funciones: x 3 a) x +ln(x ) b) ln x + 6 x + c) x x d) ln x x + e) cos x + ln(x 5π) + 8π x Graficar la función sen(x π ). Hallar para que valores de x es 3 Hallar las

Más detalles

Funciones de varias variables

Funciones de varias variables Funciones de varias variables Derivadas parciales. El concepto de función derivable no se puede extender de una forma sencilla para funciones de varias variables. Aquí se emplea el concepto de diferencial

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).

(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 detalles

Métodos Numéricos: Resumen y ejemplos Tema 4: Resolución aproximada de EDO s

Métodos Numéricos: Resumen y ejemplos Tema 4: Resolución aproximada de EDO s Métodos Numéricos: Resumen y ejemplos Tema 4: Resolución aproximada de EDO s Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Marzo 2008, versión

Más detalles

LA CIRCUNFERENCIA EN EL PLANO CARTESIANO

LA CIRCUNFERENCIA EN EL PLANO CARTESIANO LA CIRCUNFERENCIA EN EL PLANO CARTESIANO Si un hombre es perseverante, aunque sea duro de entendimiento se hará inteligente; y aunque sea débil se transformará en fuerte Leonardo Da Vinci TRASLACION DE

Más detalles

1.1Razones trigonométricas -Son las distintas proporciones que se establecen entre los lados de un triángulo rectángulo:

1.1Razones trigonométricas -Son las distintas proporciones que se establecen entre los lados de un triángulo rectángulo: --ÍNDICE-- Trigonometría 5 Razones trigonométricas 5 Coordenadas trigonométricas de un punto del plano 5 Consecuencias de esta fórmula 5 Razones exactas de ángulos 6 Otras fórmulas 6 Aplicaciones de la

Más detalles

Matemáticas. Segundo de Bachillerato. I.E.S. Los Boliches. Departamento de Matemáticas

Matemáticas. Segundo de Bachillerato. I.E.S. Los Boliches. Departamento de Matemáticas Matemáticas. Segundo de Bachillerato. I.E.S. Los Boliches. Departamento de Matemáticas Relación. Geometría en el espacio (II) 1. Estudiar la posición relativa de los siguientes conjuntos de planos: (a)

Más detalles

Medidas de tendencia central o de posición: situación de los valores alrededor

Medidas de tendencia central o de posición: situación de los valores alrededor Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas

Más detalles

Índice de contenidos

Índice de contenidos Índice de contenidos Portada. 0 Índice. I Plan de Trabajo.... II Introducción 1 Capítulo I: Isoclinas y Campos de Direcciones... 2 Isoclinas... 2 Representación gráfica de campo de direcciones. 4 Aplicación

Más detalles

Universidad de la Frontera. Geometría Anaĺıtica: Departamento de Matemática y Estadística. Cĺınica de Matemática. J. Labrin - G.

Universidad de la Frontera. Geometría Anaĺıtica: Departamento de Matemática y Estadística. Cĺınica de Matemática. J. Labrin - G. Universidad de la Frontera Departamento de Matemática y Estadística Cĺınica de Matemática 1 Geometría Anaĺıtica: J. Labrin - G.Riquelme 1. Los puntos extremos de un segmento son P 1 (2,4) y P 2 (8, 4).

Más detalles

3º Tema.- Síntesis de mecanismos.

3º Tema.- Síntesis de mecanismos. Universidad de Huelva ESCUELA POLITECNICA SUPERIOR Departamento de Ingeniería Minera, Mecánica y Energética Asignatura: Ingeniería de Máquinas [570004027] 5º curso de Ingenieros Industriales 3º Tema.-

Más detalles

FUNCIÓN REAL, LIMITES Y FUNCIONES CONTINUAS.

FUNCIÓN REAL, LIMITES Y FUNCIONES CONTINUAS. FUNCIÓN REAL, LIMITES Y FUNCIONES CONTINUAS. FUNCIÓN. Es toda aplicación entre dos conjuntos A y B formados ambos por números. f A --------> B Al conjunto A se le llama campo de existencia de la función

Más detalles

8. Estimación puntual

8. Estimación puntual 8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores

Más detalles

3.1 DEFINICIÓN. Figura Nº 1. Vector

3.1 DEFINICIÓN. Figura Nº 1. Vector 3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado

Más detalles

Workshop de Investigadores en Ciencias de la Computación WICC 2002

Workshop de Investigadores en Ciencias de la Computación WICC 2002 Aplicación del Método de Montecarlo para el cálculo de integrales definidas López, María Victoria y Mariño, Sonia Itatí Departamento de Informática Facultad de Ciencias Exactas y Naturales y Agrimensura

Más detalles

Generación de Números Aleatorios Uniformes

Generación de Números Aleatorios Uniformes Capítulo 5 Generación de Números Aleatorios Uniformes Vimos en el capítulo sobre repaso de distribuciones de probabilidad, lo que es una distribución uniforme. Pero podemos encontrar un método o experimento

Más detalles

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.

Más detalles

Simulación Monte Carlo

Simulación Monte Carlo Simulación Monte Carlo Modelado estocástico Cuando se realiza un análisis estático a un proyecto, una serie de supuestos y variables producen un resultado de valor único. Mientras que un análisis estocástico

Más detalles

Las Funciones Analíticas. f (z 0 + h) f (z 0 ) lim. h=z z 0. = lim

Las Funciones Analíticas. f (z 0 + h) f (z 0 ) lim. h=z z 0. = lim Las Funciones Analíticas 1 Las Funciones Analíticas Definición 12.1 (Derivada de una función compleja). Sea D C un conjunto abierto. Sea z 0 un punto fijo en D y sea f una función compleja, f : D C C.

Más detalles

SISTEMAS DE COORDENADAS SISTEMA COORDENADO UNIDIMENSIONAL

SISTEMAS DE COORDENADAS SISTEMA COORDENADO UNIDIMENSIONAL SISTEMAS DE COORDENADAS En la vida diaria, nos encontramos con el problema de ordenar algunos objetos; de tal manera que es necesario agruparlos, identificarlos, seleccionarlos, estereotiparlos, etc.,

Más detalles

Unidad I Funciones Expresar una función. Dominios

Unidad I Funciones Expresar una función. Dominios Unidad I Funciones Epresar una función 1. Un rectángulo tiene un perímetro de 0m. Eprese el área del rectángulo como función de la longitud de uno de sus lados.. Un rectángulo tiene un área de 16 m. Eprese

Más detalles

EJERCICIOS DE CÁLCULO DIFERENCIAL EN VARIAS VARIABLES

EJERCICIOS DE CÁLCULO DIFERENCIAL EN VARIAS VARIABLES UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ESCUELA DE MATEMÁTICA LABORATORIO DE FORMAS EN GRUPOS EJERCICIOS DE CÁLCULO DIFERENCIAL EN VARIAS VARIABLES Ramón Bruzual Marisela Domínguez Caracas,

Más detalles

Las funciones trigonométricas

Las funciones trigonométricas Las funciones trigonométricas Las funciones trigonométricas Las funciones trigonométricas son las funciones derivadas de las razones trigonométricas de un ángulo. En general, el ángulo sobre el cual se

Más detalles

Apuntes de Mecánica Newtoniana Cinemática de la Partícula

Apuntes de Mecánica Newtoniana Cinemática de la Partícula Apuntes de Mecánica Newtoniana Cinemática de la Partícula Ariel Fernández Daniel Marta Introducción. En este capítulo se introducirán los elementos necesarios para la descripción del movimiento de una

Más detalles

Tema 2 Resolución de Ecuaciones No Lineales

Tema 2 Resolución de Ecuaciones No Lineales Tema 2 Resolución de Ecuaciones No Lineales Índice 1. Introducción 2. Método de Bisección 2.1 Algoritmo del Método de Bisección 2.2 Análisis de Método de Bisección 3. Método de Regula-Falsi 3.1 Algoritmo

Más detalles

2º Tema.- Ampliación de análisis cinemático de mecanismos planos mediante métodos analíticos.

2º Tema.- Ampliación de análisis cinemático de mecanismos planos mediante métodos analíticos. Universidad de Huelva ESCUELA POLITECNICA SUPERIOR Departamento de Ingeniería Minera, Mecánica y Energética Asignatura: Ingeniería de Máquinas [570004027] 5º curso de Ingenieros Industriales 2º Tema.-

Más detalles

4.1 EL SISTEMA POLAR 4.2 ECUACIONES EN COORDENADAS POLARES 4.3 GRÁFICAS DE ECUACIONES EN COORDENADAS

4.1 EL SISTEMA POLAR 4.2 ECUACIONES EN COORDENADAS POLARES 4.3 GRÁFICAS DE ECUACIONES EN COORDENADAS 4 4.1 EL SISTEMA POLAR 4. ECUACIONES EN COORDENADAS POLARES 4.3 GRÁFICAS DE ECUACIONES EN COORDENADAS POLARES: RECTAS, CIRCUNFERENCIAS, PARÁBOLAS, ELIPSES, HIPÉRBOLAS, LIMACONS, ROSAS, LEMNISCATAS, ESPIRALES.

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o Profesor: Hugo S. Salinas. Segundo Semestre. RESOLVER. 3

Más detalles

1. Ecuaciones no lineales

1. Ecuaciones no lineales 1. Ecuaciones no lineales 1.1 Ejercicios resueltos Ejercicio 1.1 Dada la ecuación xe x 1 = 0, se pide: a) Estudiar gráficamente sus raíces reales y acotarlas. b) Aplicar el método de la bisección y acotar

Más detalles

VECTORES COORDENADOS (R n )

VECTORES COORDENADOS (R n ) VECTORES COORDENADOS (R n ) Cómo puede ser representado un número Real? Un número real puede ser representado como: Un punto de una línea recta. Una pareja de números reales puede ser representado por

Más detalles

Solución del examen de Variable Compleja y Transformadas I. T. I. Electrónica y Electricidad 29 de enero de 2004

Solución del examen de Variable Compleja y Transformadas I. T. I. Electrónica y Electricidad 29 de enero de 2004 Solución del examen de Variable Compleja y Transformadas I. T. I. Electrónica y Electricidad 29 de enero de 2004. Estudia si existe alguna función de variable compleja f() entera cuya parte real sea x

Más detalles

Polinomios de Taylor.

Polinomios de Taylor. Tema 7 Polinomios de Taylor. 7.1 Polinomios de Taylor. Definición 7.1 Recibe el nombre de polinomio de Taylor de grado n para la función f en el punto a, denotado por P n,a, el polinomio: P n,a (x) = f(a)

Más detalles

SOLUCIONES CIRCUNFERENCIA. 1. Ecuación de la circunferencia cuyo centro es el punto (1, 2) y que pasa por el punto (2,3).

SOLUCIONES CIRCUNFERENCIA. 1. Ecuación de la circunferencia cuyo centro es el punto (1, 2) y que pasa por el punto (2,3). SOLUCIONES CIRCUNFERENCIA 1. Ecuación de la circunferencia cuyo centro es el punto (1,) y que pasa por el punto (,). Para determinar la ecuación de la circunferencia es necesario conocer el centro y el

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO DEPARTAMENTO DE CIENCIAS BÁSICAS PRIMER CONGRESO DE CIENCIAS BÁSICAS

INSTITUTO TECNOLÓGICO DE APIZACO DEPARTAMENTO DE CIENCIAS BÁSICAS PRIMER CONGRESO DE CIENCIAS BÁSICAS INSTITUTO TECNOLÓGICO DE APIZACO DEPARTAMENTO DE CIENCIAS BÁSICAS PRIMER CONGRESO DE CIENCIAS BÁSICAS LA ENSEÑANZA Y APLICACIÓN DE LAS CIENCIAS BÁSICAS Bosquejo de funciones con apoyo de calculadoras graficadoras

Más detalles

f(x) = 0; x [a, b] de la que, por simplicidad, suponemos que f : [a, b] R es una función derivable tres veces.

f(x) = 0; x [a, b] de la que, por simplicidad, suponemos que f : [a, b] R es una función derivable tres veces. Práctica 5 Método de Newton 5.1. Introducción En esta práctica damos al alumno un guión y una relación de referencias para que con su trabajo personal, que estimamos de 6 horas, realice un pequeño estudio

Más detalles

EXAMEN DE MATEMÁTICAS 2º BACHILLERATO CCNN BLOQUE : GEOMETRÍA

EXAMEN DE MATEMÁTICAS 2º BACHILLERATO CCNN BLOQUE : GEOMETRÍA EXAMEN DE MATEMÁTICAS 2º BACHILLERATO CCNN BLOQUE : GEOMETRÍA OPCIÓN A EJERCICIO 1 Halle el punto P simétrico del punto P ( 3, 4, 0) respecto del plano Л que contiene a la recta s : x = y 2 = z 1 y al

Más detalles

MCBtec Mas información en

MCBtec Mas información en MCBtec Mas información en www.mcbtec.com INTRODUCCIÓN A LA SIMULACION POR ORDENADOR Indice: Objetivo de este texto. Simulación por ordenador. Dinámica y simulación. Ejemplo disparo de un proyectil. Ejemplo

Más detalles

Tema 1 Generalidades sobre Ecuaciones Diferenciales Ordinarias (E.D.O.)

Tema 1 Generalidades sobre Ecuaciones Diferenciales Ordinarias (E.D.O.) Tema 1 Generalidades sobre Ecuaciones Diferenciales Ordinarias (E.D.O.) 1.1 Definiciones Se llama ecuación diferencial a toda ecuación que contiene las derivadas de una o más variables dependientes respecto

Más detalles

Magister Edgard Vidalon Vidalon

Magister Edgard Vidalon Vidalon UNIVERSIDAD NACIONAL DE INGENIERIA FACULTAD DE CIENCIAS Movimiento Lunar Magister Edgard Vidalon Vidalon LIMA PERU 2010 0.1 Introducción Se dice que el movimiento de la Luna alrededor de la Tierra es una

Más detalles

SIMULACIÓN VERSUS OPTIMIZACIÓN:

SIMULACIÓN VERSUS OPTIMIZACIÓN: SIMULACIÓN MONTE CARLO Procesos Químicos II La idea básica de la simulación es la construcción de un dispositivo experimental, o simulador, que actuará como (simulará) el sistema de interés en ciertos

Más detalles

Variables aleatorias. Función de distribución y características asociadas

Variables aleatorias. Función de distribución y características asociadas Índice 3 Variables aleatorias. Función de distribución y características asociadas 3.1 3.1 Introducción.......................................... 3.1 3.2 Concepto de variable aleatoria................................

Más detalles

3. Operaciones con funciones.

3. Operaciones con funciones. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lección. Funciones derivada. 3. Operaciones con funciones. En esta sección veremos cómo podemos combinar funciones para construir otras nuevas. Especialmente

Más detalles

Problemas de Probabilidad y Estadística (1)

Problemas de Probabilidad y Estadística (1) Problemas de Probabilidad y Estadística (1) Sebastian Grynberg 31 de agosto de 2009 Índice 1. Espacios de probabilidad (nociones básicas) 1 1.1. Urnas y bolas.................................. 1 1.2. Monedas.....................................

Más detalles

La derivada de y respecto a x es lo que varía y por cada unidad que varía x. Ese valor se designa por dy dx.

La derivada de y respecto a x es lo que varía y por cada unidad que varía x. Ese valor se designa por dy dx. Conceptos de derivada y de diferencial Roberto C. Redondo Melchor, Norberto Redondo Melchor, Félix Redondo Quintela 1 Universidad de Salamanca 18 de agosto de 2012 v1.3: 17 de septiembre de 2012 Aunque

Más detalles