Generación de números aleatorios
|
|
- Lourdes Quintana Aguilera
- hace 7 años
- Vistas:
Transcripción
1 Generación de números aleatorios Introducción Existe una cierta variación en cuanto al término (números aleatorios o seudoaleatorios) a utilizar para referirse a las secuencias de números, obtenidos mediante algún método automático de generación digital, que se ajustan a una distribución uniforme en el intervalo [0,1). A partir de ahora utilizaremos el término de números aleatorios para referirnos a áquellos que cumplen lo anterior. En 1951 D.H. Lehmer 1, uno de los pioneros en computación y, especialmente, en teoría computacional de números, proporcionó la siguiente definición para números aleatorios: Una secuencia aleatoria es una noción difusa... en la que cada término es impredecible para el no iniciado y cuyos dígitos deben pasar una serie de pruebas tradicionales para los estadísticos... Aunque los diferentes métodos de generación de números aleatorios aparecen, casi siempre, descritos en libros de simulación, su utilización se extiende a muchas otras aplicaciones de las computadoras, como experimentos estadísticos, juegos de ordenador, criptografía, protocolos de seguridad, etc. Una secuencia de números aleatorios debe tener dos propiedades importantes, uniformidad e independencia. La función densidad de probabilidad debe cumplir: f(x) = { 1 si 0 x 1 0 en el caso contrario E(R) = 1 x2 0 xdx = = 1 2 V (R) = 1 0 x2 dx (E(R)) 2 = x ( 1 2 )2 = = 1 12 Las consecuencias de la uniformidad e independencia referidas anteriormente son: 1 D. H. Lehmer. Mathematical methods in large-scale computing units. In Proc. 2nd Sympos. on Large-Scale Digital Computing Machinery, pages Harvard University Press,
2 - Si (0,1) se divide en n clases o subintervalos de igual longitud, el número esperado de observaciones en cada subintervalo es N/n, donde N es el número total de observaciones. - La probabilidad de observar un valor en un determinado subintervalo es independiente de las anteriores. Definición formal: Un generador de números aleatorios (nomenclatura inglesa: RNG) puede ser definido como una estructura G = (S, s 0, T, U, G), donde S es un conjunto conjunto finito de estados, s 0 S es el estado inicial, T : S S es la función de transición, U es un conjunto finito de símbolos de salida, y G : S U es la función de salida. El generador comienza con el estado inicial s 0 (llamado semilla) y evoluciona de acuerdo con s i := T (s i 1 ), para i 1 y en cada paso i, obtiene la observación u i := G(s i ). Se espera que las observaciones se comporten como si fueran valores de variables aleatorias independientes e idénticamente distribuidas, uniformemente sobre U. El conjunto U es, a veces, un conjunto de enteros de la forma 0,... m 1, o un conjunto finito de valores entre 0 y 1, representación aproximada de la distribución U[0,1). A partir de ahora se va a considerar este último caso. Puesto que S es finito, la secuencia de estados es, al final, periódica. El periodo es el entero positivo mas pequeño ρ tal que, dado algún entero τ 0 y para todo n τ, s ρ+n = s n. El τ mas pequeño con esa propiedad se denomina transitorio. Cuando τ = 0 la secuencia se dice que es puramente periódica. Independientemente de los criterios de calidad estadística, para la elección de un generador de números aleatorios, también se consideran relevantes: la velocidad, las necesidades de memoria, la transportabilidad, la repetibilidad, la facilidad de implementación y la disponibilidad de saltos hacia adelante. En Kahaner 2 se definen cinco características sobre las que se debería valorar cualquier generador de números aleatorios: (1977) Calidad. Se deben satisfacer los tests estadísticos adecuados. Antes de la repetición de la secuencia debiera haber un periodo lo suficientemente largo. Eficiencia. El generador debiera ser rápido. Debe precisar la menor cantidad de almacenamiento posible. Repetibilidad. El método debe depender de una semilla, para permitir que un experimento se pueda repetir. Transportabilidad. Si un método dado se implementa sobre un sitema diferente debe producir los mismos resultados. 2 D. Kahaner. Numerical Methods and Software, Prentice Hall Series in Computational Mathematics 2
3 Simplicidad. El generador debe ser suficientemente sencillo de implementar y utilizar. A continuación se detallan algunos de los métodos de generación, atendiendo a su actualidad más que a su desarrollo histórico. Secuencias lineales recursivas. La mayoría de los RNG están basados en congruencias lineales de la forma: x n = (a 1 x n a k x n k ) mod m donde m se llama módulo, a 1,..., a k son enteros entre m + 1 y m 1 llamados multiplicadores con (a k 0) y k es el orden de la recurrencia. Se puede definir el estado de la recurrencia en el paso n como s n = (x n,..., x n+k 1 ) Zm. k La longitud del periodo máximo es m k 1. Método de congruencias aditivas. Es un método rápido, puesto que no necesita realizar multiplicación. Se precisa una secuencia de números x 1, x 2..., x n. El generador produce una extensión de la secuencia x n+1, x n+2,... de la forma siguiente: x i = (x i 1 + x i n ) mod m Por definición a = bmodm si a b es divisible por m (resto 0). Por ejemplo, en módulo 4, los números 2, 6, 10, 14 son equivalentes porque (10 2), (10 6)... son todos divisibles por 4. Hay que tener en cuenta que, cuando utilizamos módulo m, los valores que resultarán estarán comprendidos entre 0 y m-1. Ejemplo: Sea una secuencia de enteros dados: x 1, x 2, x 3, x 4 y x 5 (57, 34, 89, 92 y 16), por tanto n = 5. Consideremos m = 100. La secuencia anterior puede ser ampliada por este método: x 6 = (x 5 + x 1 ) mod 100 = 73 mod 100 = 73 x 7 = (x 6 + x 2 ) mod 100 = 107 mod 100 = 7 x 8 = (x 7 + x 3 ) mod 100 = 96 mod 100 = Los números aleatorios se obtienen a partir de la relación : U i n = X i m para i = n + 1, n + 2,.... En el caso anterior los números serían: 3
4 U 1 = X = 0,73 U 2 = X = 0,07 U 3 = X = 0,96... En general estos métodos parten de la idea de la secuencia de Fibonacci x n que es generada de la forma siguiente: x n = x n 1 + x n 2 Los números obtenidos por la modificación de la secuencia : x n = (x n 1 + x n 2 ) mod m no tienen buenas propiedades aleatorias. Existe una extensión de esta idea de la forma: x n = (x n 5 + x n 17 ) mod 2 k Marsaglia(1983) considera que este generador pasa la mayoría de los tests estadísticos. Utiliza, sin embargo, 17 posiciones de memoria con 17 enteros no todos impares. La suma ya es módulo 2 k en las máquinas de k bits con complemento a 2. El periodo de este generador es s k (2 17 1). Para k=8, 16, 32 el periodo es 1,6 10 7, 4, y 2, respectivamente. Generadores de congruencias lineales Una gran mayoría de los generadores utilizados actualmente utilizan esta técnica introducida por Lehmer en Una secuencia de números enteros Z 1, Z 2,... está definida por la fórmula recursiva: Z i = (az i 1 + c) mod m donde el módulo m, el multiplicador a, el incremento c y la semilla o valor de comienzo Z 0 son enteros no negativos. Evidentemente, por definición, se verifica que: 0 Z i < m Para obtener un número aleatorio de la distribución uniforme [0,1) se debe hacer U i =. Además de ser no negativos se debe verificar que: Z i m 4
5 0 < m, a < m, c < m, Z 0 < m Objeciones: No es una secuencia aleatoria pura, ya que: Z 1 = (az 0 + c) mod m Z 2 = (az 1 + c) mod m = (a 2 Z 0 + ca + c) mod m Z 3 = (az 2 + c) mod m = (a 3 Z 0 + ca 2 + ca + c) mod m... Por inducción: Z i = (a i Z 0 + ca i 1 + ca i c) mod m Z i = [(a i Z 0 + c(a i 1 + ] a i )) mod m Z i = a i Z 0 + c(ai 1) a 1 mod m por lo que cualquier Z i está completamente determinado por m, a, c y Z 0. A pesar de todo, eligiendo adecuadamente los parámetros, se consigue que los U i obtenidos aparezcan como pertenecientes a una U(0,1) cuando se realizan distintos tests sobre ellos. Otra objeción a realizar es que los números U i solo pueden tomar valores racionales 0, 1 m, 2 m,... (m 1) m, por tanto la probabilidad de obtener un valor de U i entre 0,1 m y 0,9 m es 0 cuando debiera ser 0,8 m > 0. Ahora bien, si se elige un m suficientemente grande los puntos en el intervalo [0,1) serán muy densos, ya que si elegimos un m 10 9 hay como mínimo mil millones de valores posibles para U i espaciados todos la misma distancia. Se considera que esto es una aproximación lo suficentemente buena para la mayoría de los planteamientos. Dada la forma de la expresión Z i es inevitable el comportamiento como un bucle, es decir, que en el momento que se repita un Z i todos los siguentes serán iguales a los obtenidos hasta ese momento. La longitud de cada uno de esos ciclos se conoce como periodo del generador y se representa por p. Como Z i solo depende de Z i 1 y se verifica que 0 Z i m 1 es claro que p m. Si p = m el generador se llama de periodo total. Ejemplo: Sea m = 16, a = 5, c = 3 y Z 0 = 7, la secuencia de los Z i obtenidos será: Z i = (5Z i 1 + 3) mod 16 5
6 i Z i U i i Z i U i i Z i U i i Z i U i Está claro que en simulación se necesitan generadores con periodos largos, fijando un m grande sería conveniente conseguir que tuviera periodo total. Teorema: El generador definido de la forma Z i = (az i 1 + c) mod m tiene periodo total si y solo si se cumplen las siguientes condiciones: c y m son primos entre sí. Si q es un número primo que divide a m entonces q divide a (a-1) Si 4 divide a m entonces 4 divide a (a-1). Dependiendo del valor de c el comportamiento de los generadores puede ser distinto por lo que se distinguen generadores mixtos (c > 0) y generadores multiplicativos (c = 0). Ejemplos: IMSL utliza un generador multiplicativo con los siguientes parámetros: a = 7 5 = 16,807 m = = 2,147,483,647 c = 0 Como m es un número primo, el periodo p, es igual a (m-1). Suponiendo que la semilla fuera X 0 = 123,457 se obtendría : X 1 = 7 5 (123457) mod (2 31 1) = 2,074,941,799 X 1 = 2,074,941,799 U 1 = X = 0,9662 X 2 = 7 5 (2,074,941,799) mod (2 31 1) = 559,872,160 6
7 U 2 = X = 0,2607 NOTA.- La rutina de IMSL divide por (m+1) en lugar de hacerlo por m; sin embargo, para un valor tan grande como el de m, el efecto es despreciable. SIMSCRIPT II.5 utiliza un generador semejante con a = 630,360,016 Java Este es el generador utilizado para implementar el método nextdouble en la clase java.util.random de la biblioteca estándar Java 3. Está basado en una recurrencia lineal con periodo de longitud 2 48, pero cada valor de salida está construido tomando dos valores sucesivos de la recurrencia lineal, de la forma siguiente: x i+1 = ( x i + 11) mod 2 48 u i = (2 27 x 2i / x 2i+1 / 2 21 )/ 2 53 Conviene indicar que el generador rand48 de la biblioteca estándar Unix utiliza la misma recurrencia, pero produce su salida utilizando simplemente: u i = x i /2 48. Visual Basic El generador utilizado en Microsoft Visual Basic 4 es un generador de congruencias lineales (LCG) con un periodo de longitud 2 24, definido por: x i = ( x i ) mod 2 24 u i = x i /2 24 Excel El generador implementado en Microsoft Excel 5 es en esencia un LCG (generador de congruencias lineales), excepto que su recurrencia está dada por: u i = (9821,0u i 1 + 0,211327) mod 1 Está implementado directamente para los u i en la aritmética de punto flotante. Su longitud de periodo depende normalmente de la precisión de los números en coma flotante utilizados para su implementación. En la documentación no está perfectamente definido. A efectos de pruebas de validez no se utiliza el algoritmo sino que se genera una secuencia muy grande que se guarda en un archivo para su comprobación posterior. LCG16807 Este es un generador de congruencias lineales definido por: x i = 16807x i 1 mod (2 31 1) u i = x i /(2 31 1) 3 ( 4 ( 5 ( 7
8 con periodo de longitud , y propuesto originalmente por Lewis, Goodman, and Miller (1969). Este LCG se ha utilizado ampliamente en muchas bibliotecas de software para estadística, simulación, optimización, etc. así como en bibliotecas de sistemas operativos. Se ha recomendado en varios libros, por ejemplo, Bratley, Fox, y Schrage (1987) y en artículos, Law y Kelton (1982). Como curiosidad, este generador es utilizado en Arena y uno similar se utilizó en AutoMod (con el mismo módulo pero con el multiplicador ) hasta hace poco, cuando los gestores de estos productos tuvieron la buena idea de reemplazarlo por MRG32k3a. También se utiliza en otros productos de sofware de simulación. MRG32k3a Este es el generador propuesto por L Ecuyer (1999a). Combina dos generadores multiplicativos de orden 3 y su periodo tiene una longitud de aproximadamente MT19937 Es el generador trenzado Mersene propuesto por Matsumoto y Nishimura 6 (1998). Tiene el periodo de longitud más grande: y unas cualidades estadísticas muy buenas. Es uno de los generadores que oferta actualmente Matlab (versión 7.1). Generadores de Tausworthe. Están relacionados con los métodos criptográficos, operan sobre los bits para formar números aleatorios. Se define una secuencia b 1, b 2,... de dígitos binarios por recurrencia. b i = (c 1 b i 1 + c 2 b i c q b i q ) mod 2 donde c 1, c 2,... c q son contantes que pueden tomar el valor 0 o 1. El periodo máximo es 2 q 1. En casi todas las aplicaciones de los generadores de este tipo se suelen utilizar solo dos coeficientes c k distintos de 0, por tanto b i = (b i r + b i q ) mod 2 para enteros r y q que cumplen 0 < r < q. Hay que tener en cuenta que la suma de bits módulo 2 corresponde a la operación XOR. { 0 si bi r = b b i = i q 1 si b i r b i q 6 Matsumoto, M. y T. Nishimura. Mersene twister: a 623- dimensionally equidistributed uniform pseudo-random number generator. ACM Transactions on Modeling and Computer Simulation 8 (1):3-30 8
9 Para inicializar la secuencia hay que dar valor a los primeros b i hasta q. Esto es equivalente a proporcionar la semilla Z 0 en los geneneradores de congruencias. Ejemplo (Lewis y Payne 1973): Si r = 3 y q = 5 consideremos b 1, b 2,... b 5 = 1 Para i 6 b i = (b i 3 + b i 5 ) mod 2 Los primeros 42 bits son : {}}{ { }} 000 { { 11 }} 01 { { 110 }} 1 { {}}{ {}}{ { 0 }} 101 { { 10 }} 01 { El periodo de los bits es 31 (2 q 1) La cuestión es: una vez obtenida la secuencia de bits b i, como se transforma dicha secuencia en números aleatorios U(0,1). Una posibilidad es juntar l consecutivos b i para formar un número de l bits entre 0 y 2 l 1 que será dividido por 2 l. En el ejemplo anterior si se elige l = 4, se obtiene la secuencia: 15 16, 8 16, 13 16, 13 16, 4 16, 2 16, 5 16, 9 16, 15 16, 1 16,... l debe ser como máximo la longitud de palabra del ordenador, también se pueden elegir secuencias de elementos dejando algunos bits sin utilizar cada vez. Ventajas: - Independientes del ordenador y de su tamaño de palabra. - Se pueden obtener secuencias de longitud considerable como > y aún mayores incluso en micros de 16 bits. Inconvenientes: - Aunque globalmente suelen presentar propiedades de aleatoriedad buenas, a veces, localmente no las tienen. - En general proporcionan malos resultados en las pruebas de rachas hacia arriba y hacia abajo. - Aunque la correlación de primer orden (un número con el siguiente) es casi cero se sospecha que algunos generadores pueden proporcionar valores elevados de correlaciones de orden elevado. - No todos los polinomios primitivos tiene las mismas cualidades. 9
10 Combinaciones de generadores. Si se combinan dos secuencias de números aleatorios X i e Y i se produce una nueva secuencia Z i que reduce la no aleatoriedad. Si X i e Y i están distribuidas sobre el rango 0 (m 1) se podría elegir una de estas opciones: 1. Z i = (X i + Y i ) mod m. 2. Utilizar Y i para barajar X i y hacer Z i igual a la secuencia barajada. 3. Z i = X i XOR Y i. No hay garantía que una combinación del tipo 1 o 3 elimine la no aleatoriedad. Combinando un generador de congruencias con otro de Tausworthe se pueden atenuar muchas de las situaciones no deseadas que se producen. Wichmann y Hill 7 informan de buenos resultados utilizando el método 1), es decir, combinando generadores (en este caso tres): X i+1 = 171 X i mod Y i+1 = 172 Y i mod Z i+1 = 170 Z i mod Por tanto U i+1 = X i Y i Z i El periodo es del orden de Estos cálculos no precisan mas de 16 bits por lo que se considera un buen generador para ordenadores de 16 bits 8. L Ecuyer (1988) 9 recomienda combinar: en la forma: X i+1 = X i mod Y i+1 = Y i mod Z i+1 = (X i Y i ) mod { Z i+1 El número aleatorio devuelto es: U i+1 = 2,147,483,563 si Z i+1 0 2,147,483,562 El periodo obtenido 2,147,483,563 si Z i+1 = 0 es (m 1 1) (m 2 1)/ , con m 1 = y m 2 = L Ecuyer 7 Wichman, B.A. and I.D. Hill, Algorithm AS 183: An Efficient and Portable Pseudo-Random Number Generator, Applied Statistics, 31, , En una nota publicada por Microsoft, indican que la versión del RANDU de 2003 implementa este algoritmo. 9 P. L Ecuyer. Efficient and portable combined random number generators. Communications of the ACM, (31), 6, ,
11 y otros autores han planteado, como se ha indicado anteriormente, nuevas combinaciones de generadores para obtener periodos mucho más largos. Consideraciones sobre la selección de la semilla. Normalmente la selección de la semilla para el comienzo de una secuencia de un generador no debe afectar a los resultados de la simulación. Si el generador es de periodo total y solo se precisa una variable, cualquier semilla es válida. Cuando se precisan distintas semillas por necesitar varias variables aleatorias diferentes en la misma simulación, se debe tener bastante cuidado. Casi todas las simulaciones usuales pertenecen a este tipo, por ejemplo, para simular una cola se necesita una llegada aleatoria y un tiempo de servicio aleatorio. Las normas que se dan a continuación son para este tipo de casos. Las dos primeras valen para el caso de una sola variable. 1. No utilizar el cero Aunque puede ser una semilla válida para los generadores de congruencias lineales mixtos, llevará a cero a los generadores de congruencias lineales multiplicativos o a los de Tausworthe. 2. Prohibir valores pares En teoría los valores pares son igual de buenos que los impares. De hecho para los generadores de periodo total, todos los valores de semilla no cero son igualmente buenos. Si un generador no es de periodo total, por ejemplo uno multiplicativo con módulo m = 2 k, la semilla debe ser impar. Para impedir este tipo de situaciones por desconocimiento del tipo de generador es recomendable utilizar semillas impares. 3. No subdividir una serie (stream) Utilizar una única serie para todas las variables es un error muy común. por ejemplo, si u 1, u 2,... es la secuencia generada por u 0, se podría pensar en utilizar u 1 para generar los tiempos entre llegadas y u 2 los tiempos de servicio y así sucesivamente u 3, u 4... Esto puede producir una correlación muy fuerte entre las variables. 4. Utilizar series (stream) no solapadas Cada serie precisa una semilla separada. Si las semillas son tales que las series se solapan, existirá una correlación entre las series y las secuencias obtenidas no serán independientes. La idea es que si precisamos números disponemos de una semilla para u 0 y otra para u 10,000. En función de la recursividad de los números aleatorios se puede conocer cual es el número siguiente : x n = a n x 0 + c(an 1) a 1 mod m 11
12 En algunos libros (Jain 91, pag 455) se proporcionan relaciones de semillas para secuencias de en , para el generador x n = 7 5 x n 1 mod (2 31 1) 5. Reutilizar semillas para sucesivas réplicas de la misma simulación 6. No utilizar semillas aleatorias No se recomienda seleccionar semillas aleatorias. En particular no utilizar dos números aleatorios sucesivos, obtenidos del generador, como semillas. Utilizar, por ejemplo, la hora del día produce dos problemas: La simulación no puede ser reproducida. No es posible garantizar que series múltiples no se solapen entre si. 12
13 Referencias Las referencias básicas para este punto son: Jerry Banks, John S. Carson, Barry L. Nelson Discrete-Event System Simulation Prentice-Hall, James E. Gentle Random Number Generation and Monte Carlo Methods Springer- Verlag, Raj Jain The Art of Computer Systems Performance Analysis Techniques for Experimental Design, Measurement, Simulation, and Modeling John Wiley & Sons, 1992 Averill M. Law, W. David Kelton Simulation Modeling and Analysis McGraw-Hill, Otras referencias son: P. Bratley, B.L. Fox y L. Schrage A Guide to Simulation. 2 a edición Springer-Verlag, George S. Fishman Discrete-Event Simulation. Tiene un tratamiento teórico muy completo respecto a la selección de los parámetros de los generadores. Springer- Verlag, Pierre L Ecuyer Software for Uniform Random Number Generation: Distinguishing the good and the bad Winter Simulation Conference, 2001 En la dirección hay documentación y distintos tipos de pruebas para números aleatorios. 13
Curso: Métodos de Monte Carlo Unidad 4, Sesión 9: Números aleatorios (parte 2)
Curso: Métodos de Monte Carlo Unidad 4, Sesión 9: Números aleatorios (parte 2) Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo,
Más detallesVariables Uniformes. Generadores de variables aleatorias uniformes. Propiedades buscadas. Para qué se utilizan?
Variables Uniformes Generadores de variables aleatorias uniformes Patricia Kisbye FaMAF 7 de marzo, 008 En simulación se utilizan: en forma directa, para generar distribuciones discretas y continuas, para
Más detallesDefiniciones. Definiciones. Simulación
Simulación Prof. Mariela J. Curiel Octubre 2003 Definiciones La simulación se puede definir como la creación de un modelo computacional de un sistema real o propuesto, sobre el cual se realizan experimentos
Más detallesProblemas de Recursividad
Problemas de Recursividad Problema 1. El factorial de un número entero n 0, denotado como n!, se define! como!!! i = 1 2 n cuando n > 0, y 0! = 1. Por ejemplo 6! = 1 2 3 4 5 6 = 720 Diseñad una método
Más detallesAnexo C. Introducción a las series de potencias. Series de potencias
Anexo C Introducción a las series de potencias Este apéndice tiene como objetivo repasar los conceptos relativos a las series de potencias y al desarrollo de una función ne serie de potencias en torno
Más detallesCurso de Introducción a R Módulo 4: simulaciones estocásticas
Curso de Introducción a R Módulo 4: simulaciones estocásticas Alejandro Piedrahita H. Seminario de Análisis Estocástico Instituto de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesEXPOSICIÓN UNIDAD II
SIMULACIÓN EQUIPO: 4 2.1 MÉTODOS DE GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS 2.2 PRUEBAS ESTADÍSTICAS DE ALEATORIEDAD CABRERA HERNÁNDEZ TERESA ELIZABETH 1 DE MARZO DEL 2011 2.1 GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS
Más detallesCapítulo 3 Números Aleatorios
Capítulo 3 Profesor : Héctor Allende O. Elemento Central en la Simulación digital. Definición formal controvertida. Elemento esencial en muchas áreas del conocimiento Ingeniería, Economía, Física, Estadística,
Más detallesIntroducción al análisis numérico
Introducción al análisis numérico Javier Segura Universidad de Cantabria Cálculo Numérico I. Tema 1 Javier Segura (Universidad de Cantabria) Introducción al análisis numérico CNI 1 / 26 Contenidos: 1 Sistemas
Más detallesCurso: Métodos de Monte Carlo Unidad 4, Sesión 10: Números aleatorios (parte 3)
Curso: Métodos de Monte Carlo Unidad 4, Sesión 10: Números aleatorios (parte 3) Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo,
Más detallesGeneración de números aleatorios. Jhon Jairo Padilla Aguilar, PhD.
Generación de números aleatorios Jhon Jairo Padilla Aguilar, PhD. Necesidad Un elemento clave para el desarrollo de un simulador es la generación de valores aleatorios para variables con una determinada
Más detallesCAPÍTULO 2 NÚMEROS PSEUDOALEATORIOS
CAPÍTULO 2 NÚMEROS PSEUDOALEATORIOS SOFTWARE PARA LA GESTIÓN DE PRODUCCIÓN Y OPERACIONES 10MO IPO LOS NÚMEROS PSEUDOALEATORIOS Para poder realizar una simulación que incluya variabilidad dentro de sus
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #3 Generación de números Aleatorios para modelos de simulación Prof.: MSc. Julio Rito Vargas A. Grupo: INGENIERIA INDUSTRIAL
Más detallesCURSOSO. Aritmética: Númerosnaturalesyenteros. Númerosracionalesyfraciones. MATEMÁTICAS. AntonioF.CostaGonzález
CURSOSO CURSOSO MATEMÁTICAS Aritmética: Númerosnaturalesyenteros. Númerosracionalesyfraciones. AntonioF.CostaGonzález DepartamentodeMatemáticasFundamentales FacultaddeCiencias Índice 1 Introducción y objetivos
Más detallesGeneración de números aleatorios
Tema 1 Generación de números aleatorios 1.1. Introducción Los números aleatorios son la base esencial de la simulación. Usualmente, toda la aleatoriedad involucrada en el modelo se obtiene a partir de
Más detallesGeneradores de Números Aleatorios. Jorge Eduardo Ortiz Triviño
Generadores de Números Aleatorios Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http://www.docentes.unal.edu.co/jeortizt/ Contenido: Qué entendemos por secuencia de números aleatorios? Cómo se generan
Más detallesCAPITULO 7.SERIES DE FOURIER. 7.1. Sistemas de funciones ortogonales
CAPITULO 7.SERIES DE FOURIER La publicación por Fourier (1768-1830) de la " Teoría analítica del calor ", fue de una influencia decisiva en las matemáticas posteriores. Se supone en ella que cualquier
Más detallesPresentación. FaMAF. 10 de marzo, 2015
Presentación FaMAF 10 de marzo, 2015 Bibliografía 1. Sheldon M. Ross, Modelos y Simulación, Prentice Hall, 2da. edición, (1999). 2. Sheldon M. Ross, Simulation, Academic Press, 4rd. edition, 2006. 3. Averill
Más detallesUniversidad Rey Juan Carlos HOJA DE PROBLEMAS TEMA 3: REPRESENTACIÓN DE LA INFORMACIÓN
Universidad Rey Juan Carlos Ingeniería Técnica en Informática de Sistemas Estructura y Tecnología de Computadores HOJA DE PROBLEMAS TEMA 3: REPRESENTACIÓN DE LA INFORMACIÓN 1 6. Convertir A05B3D00 dado
Más detallesLos números naturales
Los números naturales Los números naturales Los números naturales son aquellos que sirven para contar. Se suelen representar utilizando las cifras del 0 al 9. signo suma o resultado Suma: 9 + 12 = 21 sumandos
Más detallesPROGRAMACIÓN LINEAL ENTERA
PROGRAMACIÓN LINEAL ENTERA Programación lineal: hipótesis de perfecta divisibilidad Así pues decimos que un problema es de programación lineal entera, cuando prescindiendo de las condiciones de integridad,
Más detallesSISTEMAS DE NUMERACIÓN
SISTEMAS DE NUMERACIÓN INDICE. 1. DEFINICIÓN DE SISTEMAS DE NUMERACIÓN.... 1 2. TEOREMA FUNDAMENTAL DE LA NUMERACIÓN... 3 3. SISTEMAS DECIMAL, BINARIO, OCTAL Y HEXADECIMAL.... 5 3.1. SISTEMA DECIMAL...
Más detallesEjercicios de Excel. 2. Repetir el ejercicio anterior, pero suponiendo que los ingresos y los gastos están dados por trimestres.
Ejercicios de Excel 1. Hacer una hoja de cálculo que permita calcular el impuesto sobre la renta, partiendo de los ingresos y los gastos, la fórmula necesaria para ello es Impuesto=(Ingresos-Gastos)*0.25,
Más detallesEtapas para la solución de un problema por medio del computador
Algoritmos. Definición Un algoritmo se puede definir como una secuencia de instrucciones que representan un modelo de solución para determinado tipo de problemas. O bien como un conjunto de instrucciones
Más detallesDefinición(2) La base (r) de un sistema de numeración especifica el número de dígitos o cardinal* de dicho conjunto ordenado. Las bases más utilizadas
Sistemas numéricos MIA José Rafael Rojano Cáceres Arquitectura de Computadoras I Definición(1) Un sistema de representación numérica es un sistema de lenguaje que consiste en: un conjunto ordenado de símbolos
Más detallesUnidad de Promoción y Desarrollo Guadiana OBJETIVO GENERAL
Unidad de Promoción y Desarrollo Guadiana OBJETIVO GENERAL Conocer los elementos básicos de un ordenador, identificar sus elementos principales, diferenciando aquellos que forman parte de su hardware y
Más detallesSIMULACION SCD NUMEROS PSEUDO ALEATORIOS. los números pseudo aleatorios
SIMULACION SCD- 1022 1.- NUMEROS PSEUDO ALEATORIOS los números pseudo aleatorios para poder realizar una simulación que incluya variabilidad dentro de sus eventos, es preciso generar una serie de números
Más detallesD.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO
Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos
Más detallesContenidos mínimos 4B ESO. 1. Contenidos. Bloque I: Aritmética y álgebra.
Contenidos mínimos 4B ESO. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Clasificar distintos tipos de números: naturales, enteros, racionales y reales. 2. Operar con números reales y aplicar las propiedades
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)
PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua
Más detallesEs evidente la continuidad en En el punto, se tiene:
Tema 3 Continuidad Ejercicios Resueltos Ejercicio 1 Estudia la continuidad de la función La función puede expresarse como Para representarla basta considerar dos arcos de parábola: Es evidente la continuidad
Más detallesPolinomios. 1.- Funciones cuadráticas
Polinomios 1.- Funciones cuadráticas Definición 1 (Función polinomial) Sea n un entero no negativo y sean a n, a n 1,..., a, a 1, a 0 número s reales con a n 0. La función se denomina función polinomial
Más detallesCapítulo 2. Números pseudoaleatorios
Capítulo 2 Números pseudoaleatorios 2.1 Los números pseudoaleatorios 2.2 Generación de números pseudoaleatorios 2.3 Propiedades de los números pseudoaleatorios entre 0 y 1 2.4 Pruebas estadísticas para
Más detallesIDENTIDAD EN PRECISIÓN VARIABLE
Contenido INTRODUCCIÓN 3 Motivación 5 Objetivos 9 Conocimiento actual y problemas abiertos 13 Formulación del problema y propuesta de solución 25 IDENTIDAD EN PRECISIÓN VARIABLE 35 Representación de los
Más detallesLos números enteros. > significa "mayor que". Ejemplo: 58 > 12 < significa "menor que". Ejemplo: 3 < 12 Cualquier número positivo siempre es mayor
Los números enteros Los números enteros Los números enteros son aquellos que permiten contar tanto los objetos que se tienen, como los objetos que se deben. Enteros positivos: precedidos por el signo +
Más detallesTema 11: Intervalos de confianza.
Tema 11: Intervalos de confianza. Presentación y Objetivos. En este tema se trata la estimación de parámetros por intervalos de confianza. Consiste en aproximar el valor de un parámetro desconocido por
Más detallesRepresentación de números enteros: el convenio complemento a uno
Representación de números enteros: el convenio complemento a uno Apellidos, nombre Martí Campoy, Antonio (amarti@disca.upv.es) Departamento Centro Informàtica de Sistemes i Computadors Escola Tècnica Superior
Más detallesk k N b Sistemas Númericos Sistemas con Notación Posicional (1) Sistemas con Notación Posicional (2) Sistemas Decimal
Sistemas con Notación Posicional (1) Sistemas Númericos N b = a n-1 *b n-1 + a n-2 *b n-2 +... + a 0 *b 0 +a -1 *b - 1 + a -2 *b -2 +... + a -m *b -m Sistemas con Notación Posicional (2) N b : Número en
Más detallesINSTITUTO TECNOLÓGICO DE APIZACO TEORÍA DE CONJUNTOS CONJUNTOS Y TÉCNICAS DE CONTEO
TEORÍA DE CONJUNTOS CONJUNTOS Y TÉCNICAS DE CONTEO DEFINICIÓN Y NOTACIÓN DE CONJUNTOS El término conjunto juega un papel fundamental en el desarrollo de las matemáticas modernas; Además de proporcionar
Más detalles3. Métodos clásicos de optimización lineal
3. Métodos clásicos de optimización lineal Uso del método Simplex El problema que pretende resolverse es un problema de optimización lineal sujeto a restricciones. Para el modelo construido para el problema
Más detallesGeneradores de números pseudoaleatorios
Generadores de números pseudoaleatorios 2 Modelos y Simulación - 2017 Capítulo 1 Números aleatorios 1.1. Clase 5: Generadores de números pseudoaleatorios 1.1.1. Características de un generador de números
Más detallesExpresión, Operador, Operando, Asignación, Prioridad
4. EXPRESIONES Y OPERADORES Conceptos: Resumen: Expresión, Operador, Operando, Asignación, Prioridad En este tema se presentan los siguientes elementos de la programación: las expresiones y los operadores.
Más detallesCapítulo 1. El Conjunto de los números Reales
Capítulo El Conjunto de los números Reales Contenido. El conjunto de los números Naturales................................. 4. El conjunto de los números Enteros................................... 4. El
Más detallesAPLICACIÓN DE LA SIMULACIÓN CON HOJA DE CÁLCULO A LA TEORÍA DE COLAS
APLICACIÓN DE LA SIMULACIÓN CON HOJA DE CÁLCULO A LA TEORÍA DE COLAS Bernal García, Juan Jesús Martínez María Dolores, Soledad María Sánchez García, Juan Francisco Dpto. Métodos Cuantitativos e Informáticos
Más detallesTEMA 1 Números enteros y racionales *
TEMA Números enteros y racionales * Números enteros: Se denominan números naturales (también llamados enteros positivos) a los números que nos sirven para contar objetos:,2,3,4,5,... El conjunto de los
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesAlgoritmos y Diagramas de flujo
Algoritmos y Diagramas de flujo En los pasos a seguir para el desarrollo de un problema, existen básicamente dos tipos de elementos con los cuales es posible especificar un problema en forma esquemática
Más detallesTécnicas de planeación y control. Sesión 10: El valor esperado y su papel para evaluar diferentes resultados de métodos para presupuestos
Técnicas de planeación y control Sesión 10: El valor esperado y su papel para evaluar diferentes resultados de métodos para presupuestos Contextualización Esta semana cerramos la unidad dedicada a la planeación,
Más detallesGyP s Generación y Pruebas
Carrera: Licenciatura en Análisis de Sistemas Año: 008 Seminario de Computador Universitario GyP s Generación y Pruebas Tema: Aplicativos para la generación, prueba y uso de números pseudoaleatorios Alumno:
Más detalles4. " $#%&' (#) para todo $#* (desigualdad triangular).
10 Capítulo 2 Espacios Métricos 21 Distancias y espacios métricos Definición 211 (Distancia) Dado un conjunto, una distancia es una aplicación que a cada par le asocia un número real y que cumple los siguientes
Más detallesDesde la secundaria estamos acostumbrados a trabajar con polinomios, los cuales identificamos con expresiones de la forma
Polinomios Desde la secundaria estamos acostumbrados a trabajar con polinomios, los cuales identificamos con expresiones de la forma p(x) = a 0 + a 1 x +... + a n x n (1) donde x es la variable y a 0,
Más detallesINTRODUCCION A LA SIMULACION DE MODELOS. Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas.
Tema N 1 Definiciones INTRODUCCION A LA SIMULACION DE MODELOS Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas. La simulación esencialmente es una
Más detallesMODELIZACIÓN AUTOMÁTICA DE PROBLEMAS DE REDES DE DISTRIBUCIÓN MEDIANTE TECNOLOGÍA JAVA
MODELIZACIÓN AUTOMÁTICA DE PROBLEMAS DE REDES DE DISTRIBUCIÓN MEDIANTE TECNOLOGÍA JAVA Angel Cobo Ortega Patricia Gómez García Fac. Económicas y Empresariales - Universidad de Cantabria Av. Los Castros
Más detalles1. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO
1 1. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO Muchos de los fenómenos que se investigan en la geometría utilizan nociones como las de longitud de un vector y ángulo entre vectores. Para introducir estos dos
Más detallesCapítulo 4 Representación interna de los Datos
Curso Ingreso 013 Carrera Ingeniería en Computación - Facultad de Informática Facultad de Ingeniería Capítulo 4 Representación interna de los Datos Objetivos Los problemas resueltos en los capítulos anteriores
Más detallesUniversidad Católica de Valparaíso Facultad de Ingeniería Escuela de Ingeniería de Transporte
1. NÚMEROS ALEATORIOS 1.0 INTRODUCCIÓN El papel que desempeñan las variables aleatorias uniformemente distribuidas en la generación de variables aleatorias tomadas de otras distribuciones de probabilidad,
Más detallesPruebas de bondad de ajuste
Pruebas de bondad de ajuste Existen pruebas cuantitativas formales para determinar si el ajuste de una distribución paramétrica a un conjunto de datos es buena en algún sentido probabilístico. Objetivo:
Más detallesEjercicio 1: Realiza las siguientes divisiones por el método tradicional y por Ruffini: a)
Tema 2: Ecuaciones, Sistemas e Inecuaciones. 2.1 División de polinomios. Regla de Ruffini. Polinomio: Expresión algebraica formada por la suma y/o resta de varios monomios. Terminología: o Grado del polinomio:
Más detallesDESCOMPOSICIÓN FACTORIAL
6. 1 UNIDAD 6 DESCOMPOSICIÓN FACTORIAL Objetivo general. Al terminar esta Unidad resolverás ejercicios y problemas en los que apliques la factorización de polinomios cuyos términos tienen coeficientes
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.5 Semana 4.5 Optativa Prácticas 0.0 16 Semanas 72.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO Aprobado por el Consejo Técnico de la Facultad de Ingeniería en su sesión ordinaria del 19 de noviembre de 2008 PROBABILIDAD
Más detallesN = {1, 2, 3, 4, 5,...}
Números y Funciones.. Números Los principales tipos de números son:. Los números naturales son aquellos que sirven para contar. N = {,,, 4, 5,...}. Los números enteros incluyen a los naturales y a sus
Más detallesRepresent. Información. Caracteres Alfanuméricos
Representación de la 2009-20102010 Sistemas de Numeración 1 a Representar Qué información necesitamos representar? Caracteres Alfabéticos: A, B,..., Z, a, b,..., z Caracteres numéricos: 0, 1,..., 9 Caracteres
Más detallesALGEBRA Y GEOMETRÍA II 2º semestre Año: 2012. Guía de Estudio y Ejercitación propuesta
ALGEBRA Y GEOMETRÍA II 2º semestre Año: 2012 1 Guía de Estudio y Ejercitación propuesta Esta selección de Temas y Ejercicios están extraídos del texto FUNDAMENTOS DE ALGEBRA LINEAL de R. Larson y D. Falvo.
Más detallesSimulación a Eventos Discretos. Clase 5: Muestreo de variables aleatorias
Simulación a Eventos Discretos Clase 5: Muestreo de variables aleatorias Muestreos Los problemas que tratamos son estocásticos. No podemos predecir la conducta de los elementos del sistema, pero sí podemos
Más detallesGeneración de funciones lógicas mediante multiplexores
Generación de funciones lógicas mediante multiplexores Apellidos, nombre Martí Campoy, Antonio (amarti@disca.upv.es) Departamento Centro Informática de Sistemas y Computadores Universidad Politécnica de
Más detallesAnálisis de Decisiones II. Tema 18 Generación de variables aleatorias discretas, continuas y su aplicación. Objetivo de aprendizaje del tema
Tema 18 Generación de variables aleatorias discretas, continuas y su aplicación Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Emplear la generación de números aleatorios con distribución
Más detallesGeneración de Números Aleatorios. Modelos de Probabilidad. Introducción a la Simulación con EXCEL.
PRÁCTICAS DE ESTADÍSTICA 1º CURSO DE GRADO EN CC. AMBIENTALES Guión de la práctica 4: Curso 2009/2010 7/04/2010. Generación de Números Aleatorios. Modelos de Probabilidad. Introducción a la Simulación
Más detallesTécnicas de planeación y control
Técnicas de planeación y control 1 Sesión No. 10 Nombre: El valor esperado y su papel para evaluar diferentes resultados de métodos para presupuestos Contextualización Esta semana cerramos la unidad dedicada
Más detallesESTADISTICA APLICADA: PROGRAMA
Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,
Más detallesOptimización en Ingeniería
Optimización en Ingeniería Departamento de Computación CINVESTAV-IPN Av. IPN No. 2508 Col. San Pedro Zacatenco México, D.F. 07300 email: ccoello@cs.cinvestav.mx Método de Búsqueda de Fibonacci Algoritmo
Más detallesNúmeros enteros. Dado cualquier número natural, éste siempre será menor que su sucesor, luego los naturales son ordenados.
Números naturales y cardinales Números enteros Los elementos del conjunto N = {1,2,3, } se denominan números naturales. Si a este conjunto le unimos el conjunto formado por el cero, obtenemos N 0 = {0,1,2,
Más detallesEl cuerpo de los números reales
Capítulo 1 El cuerpo de los números reales 1.1. Introducción Existen diversos enfoques para introducir los números reales: uno de ellos parte de los números naturales 1, 2, 3,... utilizándolos para construir
Más detallesGUIA PRACTICA PARA LA APLICACIÓN DE MS EXCEL TECNOLOGIA/ INFORMATICA
Fórmulas y funciones De la barra de menú seleccionmos la opción insertar y haciendo clic en la opción f x se desplegará el siguiente cuadro de diálogo a partir del cual escogeremos la función adecuada
Más detallesLa velocidad no lleva a ninguna parte si no se va en la dirección correcta. Proverbio Americano. Punto Flotante
La velocidad no lleva a ninguna parte si no se va en la dirección correcta. Proverbio Americano Punto Flotante Elaborado por Prof. Ricardo González A partir de Materiales de las Profesoras Angela Di Serio
Más detallesSimulación. pseudoalealeatorios
Generación n de números n aleatorios La aplicación de los números aleatorios se remonta a los tiempos de la primera revolución industrial, cuando los procesos manuales tuvieron que reemplazarse por procesos
Más detallesCAPITULO III: METODOLOGIA. En el presente capítulo se describirá el conjunto de pasos a seguir para lograr el
CAPITULO III: METODOLOGIA En el presente capítulo se describirá el conjunto de pasos a seguir para lograr el objetivo propuesto en esta tesis. Primero se presenta la descripción general del programa y
Más detallesp(b, n) =b n, (b Z, n N) Esta definición matemática, recursiva, proporciona el procedimiento computacional
Recursión e iteración Se exponen en este apartado diversos ejemplos simples de definiciones de procedimientos que generan procesos recursivos o iterativos. Se comienza precisando algoritmos y sus correspondientes
Más detallesGrado en Química Bloque 1 Funciones de una variable
Grado en Química Bloque Funciones de una variable Sección.5: Aplicaciones de la derivada. Máximos y mínimos (absolutos) de una función. Sea f una función definida en un conjunto I que contiene un punto
Más detalles3. VARIABLES ALEATORIAS
. VARIABLES ALEATORIAS L as variables aleatorias se clasiican en discretas y continuas, dependiendo del número de valores que pueden asumir. Una variable aleatoria es discreta si sólo puede tomar una cantidad
Más detallesDiseño de Operadores Aritméticos en Punto Flotante usando FPGAs
Diseño de Operadores Aritméticos en Punto Flotante usando FPGAs Gustavo E. Ordóñez-Fernández, Jaime Velasco-Medina, Mario E. Vera-Lizcano Grupo de Bio-Nanoelectrónica, Escuela EIEE Universidad del Valle,
Más detallesEstadistica II Tema 1. Inferencia sobre una población. Curso 2009/10
Estadistica II Tema 1. Inferencia sobre una población Curso 2009/10 Tema 1. Inferencia sobre una población Contenidos Introducción a la inferencia Estimadores puntuales Estimación de la media y la varianza
Más detalles+18 = 00010010-18 = 10010010
Capítulo 8. Aritmética del Procesador Las dos preocupaciones principales de la aritmética de una computadora son la manera en que se representan los números (el formato binario) y los algoritmos utilizados
Más detallesPasos en el Método Simplex
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 20 El Método Simplex ICS 1102 Optimización Profesor : Claudio Seebach 16 de octubre de 2006
Más detallesPráctica 2 Métodos de búsqueda para funciones de una variable
Práctica 2 Métodos de búsqueda para funciones de una variable Introducción Definición 1. Una función real f se dice que es fuertemente cuasiconvexa en el intervalo (a, b) si para cada par de puntos x 1,
Más detallesDistribuciones bidimensionales. Regresión.
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 5: Distribuciones bidimensionales. Regresión. Resumen teórico Resumen teórico de los principales conceptos estadísticos
Más detallesTEORÍA DE CONJUNTOS A ={ 1, 2, 3, 4, 5, 6 }
TEORÍA DE CONJUNTOS CONJUNTOS Y TÉCNICAS DE CONTEO DEFINICIÓN Y NOTACIÓN DE CONJUNTOS El término conjunto juega un papel fundamental en el desarrollo de las matemáticas modernas; Además de proporcionar
Más detallesEjercicios de Microsoft Excel
Ejercicios de Microsoft Excel 2008 Escuela Politécnica Superior de Zamora Departamento de Informática y Automática Universidad de Salamanca 1. Hacer una hoja de cálculo que permita calcular el impuesto
Más detalles1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Probabilidad y Estadística. Carrera: Ingeniería en Materiales. Clave de la asignatura: MAM 0524
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería en Materiales MAM 0524 3 2 8 2.- HISTORIA
Más detallesTest de Kolmogorov-Smirnov
Test de Kolmogorov-Smirnov Georgina Flesia FaMAF 2 de junio, 2011 Test de Kolmogorov-Smirnov El test chi-cuadrado en el caso continuo H 0 : Las v.a. Y 1, Y 2,..., Y n tienen distribución continua F. Particionar
Más detallesRepresentación de números enteros: el convenio complemento a dos
Representación de números enteros: el convenio complemento a dos Apellidos, nombre Martí Campoy, Antonio (amarti@disca.upv.es) Departamento Centro Informàtica de Sistemes i Computadors Escola Tècnica Superior
Más detallesHerramientas digitales de auto-aprendizaje para Matemáticas
real de con Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura real de con Índice real de con real de con.
Más detalles4. Método Simplex de Programación Lineal
Temario Modelos y Optimización I 4. Método Simplex de Programación Lineal A- Resolución de problemas, no particulares, con representación gráfica. - Planteo ordenado de las inecuaciones. - Introducción
Más detalles3. Resolver triángulos rectángulos utilizando las definiciones de las razones trigonométricas.
Contenidos mínimos MI. 1. Contenidos. Bloque I: Aritmética y Álgebra. 1. Conocer las clases de números, los conjuntos numéricos: naturales, enteros, racionales, reales y complejos y las propiedades que
Más detallesTema 05: Tablas hash. M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom
Tema 05: Tablas hash M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom (Prof. Edgardo A. Franco) 1 Contenido Tablas hash o de dispersión Función
Más detallesSESIÓN 1 PRE-ALGEBRA, CONCEPTOS Y OPERACIONES ARITMÉTICAS BÁSICAS
SESIÓN 1 PRE-ALGEBRA, CONCEPTOS Y OPERACIONES ARITMÉTICAS BÁSICAS I. CONTENIDOS: 1. Introducción: de la aritmética al álgebra. 2. Números reales y recta numérica. 3. Operaciones aritméticas básicas con
Más detalles1. Conocimientos previos. 1 Funciones exponenciales y logarítmicas.
. Conocimientos previos. Funciones exponenciales y logarítmicas.. Conocimientos previos. Antes de iniciar el tema se deben de tener los siguientes conocimientos básicos: Intervalos y sus definiciones básicas.
Más detalles2.5. Asimetría y apuntamiento
2.5. ASIMETRÍA Y APUNTAMIENTO 59 variable Z = X x S (2.9) de media z = 0 y desviación típica S Z = 1, que denominamos variable tipificada. Esta nueva variable carece de unidades y permite hacer comparables
Más detalles