Tema 3. Razonamiento Aproximado Lección 3.2. Razonamiento con imprecisión
|
|
- Juan Carlos Ramos Aguilera
- hace 7 años
- Vistas:
Transcripción
1 Tema 3. Razonamiento Aproximado Lección 3.2. Razonamiento con imprecisión Referencias Bibliográficas (diapositivas): José Cuena. Sistemas Inteligentes. Conceptos, técnicas y métodos de construcción. Facultad de Informática Servicio de Publicaciones. Fundación General de la UPM. Madrid, 997. G. J. Klir, B. Yuan. Fuzzy Sets and Fuzzy Logic. Theory and Applications. Prentice Hall PTR. New Jersey, 995.
2 Índice Razonamiento con imprecisión Fundamentos de lógica borrosa Razonamiento en lógica borrosa Controladores difusos
3 Índice Fundamentos de lógica borrosa. Borrosidad, vaguedad, imprecisión. 2. Conjuntos borrosos. 3. Operaciones con conjuntos borrosos.
4 Conceptos (I) La lógica borrosa permite representar conjuntos con fronteras no precisas. La afirmación x pertenece a A no es cierta o falsa, sino que medible mediante una posibilidad en [0,]. Permite manejar la vaguedad o imprecisión. Día caluroso : la frontera entre caluroso y templado no es exacta Caluroso ºC Se puede suponer que si hay 30ºC el día es caluroso, pero si hay 29ºC entonces ya no lo es?
5 Conceptos (II) Imprecisión: vaguedad, fronteras mal definidas. Incertidumbre: si lanzamos un dado hay seis posibilidades (precisas), pero no se desconoce qué saldrá. Aplicaciones de la lógica borrosa: Sistemas basados en el conocimiento. Control difuso. Reconocimiento de patrones. Proceso de encaje en marcos.
6 Índice Fundamentos de lógica borrosa. Borrosidad, vaguedad, imprecisión. 2. Conjuntos borrosos. 3. Operaciones con conjuntos borrosos.
7 Conjuntos borrosos Conjunto borroso: aquél en donde la pertenencia de los elementos se define mediante una función de pertenencia o función de distribución de posibilidad. µ A : X [0,]. El conjunto borrosoa tiene una función de pertenencia µ A (x) que asigna a cada valor x X un número entre 0 (no pertenece) y (sí pertenece). Los valores intermedios representan pertenencia parcial. Ejemplo: µ caluroso : Tª [0,]: Caluroso ºC
8 Distribuciones típicas Trapezoidales: Templado µ Templado (ºC) ºC Triangulares: Al rededor de 20º µ 20 (ºC) Nítidas: µ 40ºC (ºC) 40ºC ºC ºC
9 Ejemplo Frío Templado Caluroso 40 ºC Al rededor de 20º µ Frio (ºC) µ Templado (ºC) µ 20 (ºC) µ Caluroso (ºC) ºC µ 40ºC (ºC)
10 Índice Fundamentos de lógica borrosa. Borrosidad, vaguedad, imprecisión. 2. Conjuntos borrosos. 3. Operaciones con conjuntos borrosos.
11 Composición de fórmulas A partir de la cuantificación de la posibilidad de que sea cierta x es p expresado como µ p (x): x es p y q: µ p^q (x). x es p ó q: µ p q (x) x no es p: µ p (x) Si x es p, entonces x es q: µ p q (x) Generalización a n dimensiones: µ p^q (x, x 2,, x n ), µ p q (x, x 2,, x n ), etc.
12 Extensión cilíndrica Para componer dos funciones, deben estar referidas a las mismas variables: No es posible componer x es p e y es q: µ p (x)^ µ q (y) Para ello se calcula la extensión cilíndrica de µ p (x) con y, y la extensión cilíndrica de µ q (y) con x para obtener µ p (x,y) y µ q (x,y). Entonces es posible: µ p^q (x,y) La extensión cilíndrica de µ(x, x 2,, x n ) con y es µ(x, x 2,, x n,y) tal que cumple: y µ(x, x 2,, x n,y) = µ(x, x 2,, x n )
13 Extensión cilíndrica. Ejemplo Se desea representar que la tarifa de un taxi es barata cuando la carrera es corta. Se tiene µ corta (distancia) y µ barato (precio). Se desea calcular µ corta^barato (distancia, precio) µ Corta (Distancia) µ Barato (Precio) Distancia. Km. 3 4 µ Barato^Corta (Distancia, Precio) 5 µ Barato (Distancia, Precio) Precio: µ Corta (Distancia, Precio)
14 t-norma, t-conorma, negación Se manejan las siguientes funciones: t-norma: Conjunción (lógica), intersección (conjuntos) T (x,y). µ p^q (x) = T(µ p (x), µ q (x)) t-conorma: Disyunción (lógica), unión (conjuntos) S (x,y). µ p q (x) = S(µ p (x), µ q (x)) Negación: N(x). µ p (x) = N(µ p (x)).
15 Funciones T: t-normas Es una función que devuelve un valor [0,]. Representa la conjunción o intersección. x, y, z [0,] Propiedades:. T(x,) = x (elemento neutro) 2. x y T(x,z) T(y,z) (monotonía) 3. T (x,y) = T (y,x) (conmutativa) 4. T (x,t(y,z)) = T (T(x,y),z) (asociativa) Ejemplos: T(x,y) = mín (x,y) (mínimo) T(x,y) = P(x,y) = x y (producto) T(x,y) = W(x,y) = máx (0,x+y-) (Lukasiewicz) T(x,y) = Z(x,y) = x si y=; y si x=; 0 resto (drástica)
16 Funciones S: t-conormas Es una función binaria que devuelve un valor [0,]. Representa la disyunción. x, y, z [0,] Propiedades:. S(x,0) = x (elemento neutro) 2. x y S(x,z) S(y,z) (monotonía) 3. S (x,y) = S (y,x) (conmutativa) 4. S (x,t(y,z)) = S (T(x,y),z) (asociativa) Ejemplos: S(x,y) = máx (x,y) (máximo) S(x,y) = P (x,y) = x+y-x y (suma-producto) S(x,y) = W (x,y) = mín (,x+y) (Lukasiewicz) S(x,y) = Z (x,y) = x si y=0; y si x=0; resto (drástica)
17 Funciones de negación Es una función unaria que devuelve un valor [0,]. Para que sea intuitiva debe cumplir x [0,]:. N(0) = ; N() = 0 (condiciones frontera) 2. x y N(x) N(y) (inversión de monotonía) Ejemplos: N (x) = (-x) N (x) = (-x 2 ) /2
18 Dualidad Se dice que una t-norma y una t-conorma son duales con respecto a una negación sii: N (T (x,y)) = S (N(x), N(y)) N (S (x,y)) = T (N(x), N(y)) Son duales con respecto a N(x) = -x: < mín(x,y), máx(x,y) > < P (x,y), P (x,y) > < W (x,y), W (x,y) > < Z (x,y), Z (x,y) >
19 Implicación difusa (I) Se han visto las operaciones: T(x,y), S(x,y) y N(x) Conjuntos: Intersección, unión y complementario Lógica: Conjunción, disyunción y negación En lógica borrosa se define la implicación a través de la función binaria J (x,y) que devuelve un valor [0,]. µ p q (x) = J(µ p (x), µ q (x))
20 Implicación difusa (II) De la lógica clásica, se tiene que: A B = A B J(x,y) = S (N(x),y). Tomando N(x) = -x, se tiene: Con S(x,y) = máx (x,y) J(x,y) = máx (-x,y) Con S(x,y) = P (x,y) = x+y-x y J(x,y) = -x+x y S(x,y) = W (x,y) = mín (,x+y) J(x,y) = mín (,-x+y) S(x,y) = Z (x,y) = x si y=0; y si x=0; resto J(x,y) = y si x=; -x si y=0; resto
21 Implicación difusa (III) En la lógica clásica se cumple: A B = A ( A^B) Puesto que A B = A B Se tiene: A B = A (A^B) J(x,y) = S (N(x), T(x,y)) Utilizando la negación N(x) = -x: Con <min,max> J(x,y) = máx (-x,mín(x,y)) Con <P, P > J(x,y) = -x + x 2 y Con <W, W > J(x,y) = máx (-x,y) Con <Z, Z > J(x,y) = y si x=; -x si x y ; si x y= J (x,y) = mín (x,y). Implicación de Mamdani
22 Índice Razonamiento con imprecisión Fundamentos de lógica borrosa Razonamiento en lógica borrosa Controladores difusos
23 Inferencia en conjuntos (I) La inferencia en conjuntos clásicos se puede ver de la siguiente forma: Dados X e Y dos conjuntos. Y La relación entre ambos viene dada por la función f(x). B Dado un valor X=x, se puede inferir y=f(x). Dado un subconjunto A X, se puede inferir el subconjunto B Y: B={y Y / y=f(x), x A} y=f(x) x A X
24 Inferencia en conjuntos (II) Dada una relación R cualquiera entre los conjuntos X e Y: Dado el subconjunto A X, se puede inferir el subconjunto B Y, B={y Y / <x,y> R, x A} Y R B x A X
25 Función característica Se define la función característica de un conjunto A, P A (x), a una función de pertenencia definida: P A (x)=, si x A P A (x)=0 en otro caso. Para todos los valores de x (por cada fila) se obtiene el supremo Sup x (mín P A (x),p R (x,y)) Se obtiene la fórmula: P B (y) = Sup x X { mín{p (x), P (x, y)} } A R Sup x (mín {P A (x),p R (x,y)}) B Y P B (y) mín {P A (x),p R (x,y)} Representa la intersección entre A y R x P R (x,y) A R P A (x) X
26 Regla composicional de inferencia Partiendo de la expresión anterior: P (y) = Sup mín{p (x), P (x, y)} Generalizando para conjuntos difusos: (y) = Sup mín{µ (x),µ (x, y)} La intersección puede emplear una T-norma cualquiera: (y) = Sup T µ (x),µ (x, y) Si R puede ser una relación de implicación: B x X { } A { } µ B A R x X Regla Composicional de Inferencia (RCI) R { ( )} µ B A R x X { T ( µ (x),µ (x, y) )} µ B' (y) = Sup A' A B x X
27 Modus ponens generalizado Con la RCI, se puede hacer inferencia con modus ponens: Regla: Si X es A, entonces Y es B Hecho: X es A. Conclusión: Y es B En lógica borrosa se puede generalizar al no requerir X es A, sino X es A : Modus ponens generalizado: Regla: Si X es A, entonces Y es B Hecho: X es A Conclusión: Y es B La función de posibilidad de µ B se calcula con RCI.
28 Inferencia borrosa con RCI Datos: X es A: µ A (x), Y es B: µ B (y), X es A : µ A (x) Objetivo: cálculo µ B (y). Calcular µ A B (x,y) a partir de µ A (x) y µ B (y) Es necesario realizar las extensiones cilíndricas: µ A (x) con y, µ B (y) con x Se emplea para la implicación cualquier función J(x,y). Zadeh: J(x,y)=máx {-x, mín(x,y)}. 2. Calcular T(µ A (x), µ A B (x,y)). Se realiza la extensión cilíndrica de µ A (x) con y. Se emplea una T-norma. T(x,y) = mín (x,y). 3. Calcular el supremo en x de T(µ A (x), µ A B (x,y)), que está en función de x e y. Se obtiene la distribución de posibilidad sobre la dimensión y: µ B (y), es decir, las posibilidades de y es B.
29 Motor de inferencia borroso Base de conocimiento: R: Si X es A, entonces Y es B. R2: Si X es A 2, entonces Y es B Rn: Si X es A n, entonces Y es B n. Hecho: X es A Se aplica la RCI a cada regla, obteniendo: µ B (y), µ B2 (y),..., µ Bn (y). A partir de las distribuciones anteriores, se calcula la distribución final y es B mediante la t-conorna S. µ B (y)=s(µ B (y), µ B2 (y),..., µ Bn (y)).
30 Desborrocificación Método del centro de gravedad Cálculo de la proyección en el eje x del centro de gravedad de la distribución. Se debe muestrear suficientemente fino para cubrir adecuadamente la función. Un muestreo excesivo exige gran carga computacional. Para generalizar µ A (x) = µ B (y) g N i= = N x i= i µ µ A A (x (x i ) i ) 0,5 g µ A (x) X
31 Desborrocificación Método cuenta Objetivo: Dado un conjunto de distribuciones de posibilidad µ B (x), µ B2 (x),..., µ Bn (x) Encontrar qué µ Bi (x) se parece más a una dada µ A (x). La cuenta es una medida proporcional al área de la distribución. Se basa en la discretización de la función de distribución. N cuenta (A) = µ A (xi ) i= El método elige como más parecido a µ A (x) aquélla µ Bi (x) que máximiza: cuenta (A^B i ) cuenta (B i/a) = (B ) cuenta i
32 Desborrocificación Método de la distancia Objetivo: Dado un conjunto de distribuciones de posibilidad: µ B (x), µ B2 (x),..., µ Bn (x) Encontrar qué µ Bi (x) se parece más a una dada µ A (x). Se emplea una función distancia definida como: 2 2 di = α (Bi A) + β (gi g) B i y A son, respectivamente, las áreas de µ Bi (x) y µ A (x). g i y g son, respectivamente, los centros de gravedad de µ Bi (x) y µ A (x). α y β son dos constantes: α + β =. El método elige como más parecido a µ A (x) aquella µ Bi (x) que minimiza d i.
33 Índice Razonamiento con imprecisión Fundamentos de lógica borrosa Razonamiento en lógica borrosa Controladores difusos
34 Controladores difusos Se emplean para controlar sistemas inestables. El control tiene por objeto garantizar una salida en el sistema a pesar de las perturbaciones que le afectan. Ejemplos: Sistemas de navegación. Sistemas de climatización. Sistemas de ventilación (túneles, garajes).
35 Esquema control difuso Sistema A controlar Variables de estado Acciones Controlador Fuzzy Variables de estado: s, s 2,, s n : estado del sistema. Temperatura. e, e 2,, e n : desvíos (error) con respecto al valor de referencia. Temperatura con respecto a 20 ºC. Δe, Δe 2,, Δe n : tendencia del error. u, u 2,, u m : estado del elemento a controlar (actuador). Apertura de válvula, caudal de gas. Acciones: v, v 2,, v m : cambios e realizar en los actuadores. Abrir o cerrar en un cierto grado válvula o caudal de gas.
36 Modelo de control difuso Los valores de las variables de estado y acciones pueden ser etiquetas lingüísticas (valores cualitativos) que son representados por funciones de posibilidad: Si s =A,, e =B,,Δe =C,, u =D,, entonces v =E, En lo que sigue, se utilizarán reglas del tipo: Si e=a y Δe=B, entonces v = C Cada valor de e, Δe y v serán etiquetas lingüísticas con su correspondiente función de posibilidad. Por ejemplo, para e: Neg. Alto NA Neg. Bajo NB Pos. Bajo PB Pos. Alto PA Por ejemplo: Si e = NB Neg. Medio NM 0 Pos. Medio PM Valores para e
37 Notación Dada la regla: Si e=a y Δe=B, entonces v = C A, B y C son funciones de posibilidad: µ A (e), µ B (Δe), µ C (v) La notación será la siguiente: Si e = A(e) y Δe=B(Δe), entonces v = C(v) Un controlador difuso posee una base de conocimiento de reglas del tipo: R: Si e = A (e) y Δe=B (Δe), entonces v = C (v) R2: Si e = A 2 (e) y Δe=B 2 (Δe), entonces v = C 2 (v) Rn: Si e = A n (e) y Δe=B n (Δe), entonces v = C n (v) En un momento el estado del sistema es: e = A(e) y Δe=B(Δe). Tras un proceso de inferencia, el controlador responde para mantener el equilibrio: v = C(v)
38 Regla composicional de inferencia El proceso de inferencia emplea la regla composicional de inferencia: { T ( µ (x),µ (x, y) )} µ B' (y) = Sup A' A B x X y es v. La acción a tomar. x es bidimensional: e y Δe. µ B (y) = C(v). Distrib. de posib. de la acción a tomar. µ A (x) = A(e) ^ B(Δe). Estado actual del sistema. µ A B (x,y) = Ri: A i (e) ^ B i (Δe) v = C i (v) C(v) = Sup e, Δe { T( A(e)^B( Δe), A ( e)^b ( Δe) C ( v) )} i i i
39 Inferencia en controladores (I) C(v) = Sup Se emplea T (x,y) = mín (x,y). J (x,y) = mín (x,y). Mamdani. C(v) = Sup e, Δe Asociatividad: C(v) = Sup e, Δe C(v) = mín e, Δe { T( A(e)^B( Δe), A ( e)^b ( Δe) C ( v) )} i { mín( mín(a(e),b( Δe)),mín(mín( A ( e), B ( Δe)), C ( v)) )} { mín( mín(mín(a(e), B( Δe)),mín( A ( ), ( ))), ( ))} i e Bi Δe Ci v Sup{ mín( mín(a(e),b( Δe)), mín( A ( e), B ( Δe)) )}, C ( v) e, Δe C(v) = mín mín Sup i i i v e Δe { mín( A(e),A (e))}, Sup{ mín( B( Δe), B ( Δe)) }, C ( ) i i i i i i i i
40 Inferencia en controladores (II) Entrada al sistema Entrada al sistema C(v) = mín mín Sup i i i v e Antecedente regla Δe Antecedente regla C(v) = mín( mín( NA, NA2 ),C i(v) ) C(v) = mín NA,C (v) Interpretación geométrica ( ) i { mín( A(e),A (e))}, Sup{ mín( B( Δe), B ( Δe)) }, C ( ) Ai A Sup{Min{Bi(De),B(De)}} Bi B Ci NA Sup{Min{Ai(e),A(e)}} NA2 Min{Ai(e),A(e)} A e B De Min{Bi(De),B(De)} v C(v)=min(NA,Ci) e De
41 Procedimiento general Dada una base de conocimiento: R: Si e = A (e) y Δe=B (Δe), entonces v = C (v) Rn: Si e = A n (e) y Δe=B n (Δe), entonces v = C n (v) Hecho: e = A(e) y Δe=B(Δe). Objetivo: v = C(v) Procedimiento:. Para cada regla Ri, se obtiene: NA=mín{Sup e [mín(a(e),a i (e))],sup Δe [mín(b(δe),b i (Δe))]} La distribución del consecuente C i (v)=mín(na,c i (c)) 2. Se obtiene la unión: de los Ci (v) de las reglas que se disparan C(v) = i {C i (v)} = máx i {C i (v)} 3. Desborrocificación de C(v)
Apuntes de Inteligencia artificial (II)
Apuntes de Inteligencia artificial (II) Tema 2 Razonamiento Aproximado Profesor: Daniel Manrique Índice 1. Introducción. 2. Razonamiento con imprecisión: lógica borrosa. 3. Razonamiento con incertidumbre.
Más detallesNuevas tendencias de la Matemática: tica: Lógica borrosa e inteligencia artificial Lógica borrosa 1
Nuevas tendencias de la Matemática: tica: Lógica borrosa e inteligencia artificial 01.10.08 Lógica borrosa 1 Esquema Introducción Conjuntos difusos Lógicas borrosas Aplicaciones Medidas Medida de especificidad
Más detallesEstructuras Algebraicas
Tema 1 Estructuras Algebraicas Definición 1 Sea A un conjunto no vacío Una operación binaria (u operación interna) en A es una aplicación : A A A Es decir, tenemos una regla que a cada par de elementos
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesNúmeros reales Conceptos básicos Algunas propiedades
Números reales Conceptos básicos Algunas propiedades En álgebra es esencial manejar símbolos con objeto de transformar o reducir expresiones algebraicas y resolver ecuaciones algebraicas. Debido a que
Más detallesMatemáticas Básicas para Computación
Matemáticas Básicas para Computación MATEMÁTICAS BÁSICAS PARA COMPUTACIÓN 1 Sesión No. 6 Nombre: Álgebra Booleana Objetivo Durante la sesión el participante identificará las principales características
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) SYLLABO
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA Escuela Académico Profesional de Ingeniería de Sistemas 1. ESPECIFICACIONES
Más detalles1 Números reales. Funciones y continuidad.
1 Números reales. Funciones y continuidad. En este tema nos centraremos en el estudio de la continuidad de funciones reales, es decir, funciones de variable real y valor real. Por ello es esencial en primer
Más detallesNOCIONES PRELIMINARES (*) 1
CONJUNTOS NOCIONES PRELIMINARES (*) 1 Conjunto no es un término definible, pero da idea de una reunión de cosas ( elementos ) que tienen algo en común. En matemática los conjuntos se designan con letras
Más detallesGEOMETRÍA. que pasa por el punto P y es paralelo a π. (0,9 puntos) b) Determinar la ecuación del plano π
GEOMETRÍA 1.- Se considera la recta r : ( x, y, z) = ( t + 1, t,3 t), el plano π: x y z = 0y el punto P (1,1,1). Se pide: a) Determinar la ecuación del plano π 1 que pasa por el punto P y es paralelo a
Más detallesLICENCIATURA EN MATEMÁTICA. Práctico N 1 Lenguaje de la lógica. proposicional VICTOR GALARZA ROJAS 1 5 / 0 5 /
Práctico N 1 Lenguaje de la lógica LICENCIATURA EN MATEMÁTICA proposicional VICTOR GALARZA ROJAS 1 5 / 0 5 / 2 0 1 0 PRÁCTICO N 1 1. Fundamentación: fundamentar la expresión Por lo tanto del siguiente
Más detallesÁLGEBRA DE BOOLE. 1.- Postulados de HUNTINGTON
ÁLGEBRA DE BOOLE El Algebra de Boole es importante pues permite representar matemáticamente el funcionamiento de los circuitos digitales. Los circuitos digitales son capaces de permanecer en 2 estados,
Más detallesINTRODUCCION A LA INTELIGENCIA ARTIFICIAL MÓDULO 6- CÁLCULO DE PREDICADOS Y LÓGICA DE PRIMER ORDEN
INTRODUCCION A LA INTELIGENCIA ARTIFICIAL MÓDULO 6- CÁLCULO DE PREDICADOS Y LÓGICA DE PRIMER ORDEN Referencias: Inteligencia Artificial Russell and Norvig Cap.6. Artificial Intellingence Nils Nilsson Ch.4
Más detallesMarzo 2012
Marzo 2012 http:///wpmu/gispud/ Para determinar la carga transferida a través del tiempo a un elemento, es posible hacerlo de varias formas: 1. Utilizando la ecuación de carga, evaluando en los tiempos
Más detallesMATEMÁTICAS BÁSICAS. Autora: Jeanneth Galeano Peñaloza Edición: Oscar Guillermo Riaño
MATEMÁTICAS BÁSICAS Autora: Jeanneth Galeano Peñaloza Edición: Oscar Guillermo Riaño Universidad Nacional de Colombia Departamento de Matemáticas Sede Bogotá Enero de 2014 Universidad Nacional de Colombia
Más detallesIntroducción a la Probabilidad
Introducción a la Probabilidad Tema 3 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Entender el concepto de experimento
Más detallesCONJUNTOS DIFUSOS JHS
CONJUNTOS DIFUSOS JHS 1.- INTRODUCCION La lógica fuzzy, difusa, borrosa, nebulosa,, fue expuesta por Lofti Zadeh (USA) en 1965 para modelar la manera en que las personas resuelven sus problemas cotidianos
Más detallesIntrod. al Pens. Científico Nociones básicas de la lógica ClasesATodaHora.com.ar
ClasesATodaHora.com.ar > Exámenes > UBA - UBA XXI > Introd. al Pensamiento Científico Introd. al Pens. Científico Nociones básicas de la lógica ClasesATodaHora.com.ar Razonamientos: Conjunto de propiedades
Más detallesInteligencia en Redes de Comunicaciones. Razonamiento lógico. Julio Villena Román.
Inteligencia en Redes de Comunicaciones Razonamiento lógico Julio Villena Román jvillena@it.uc3m.es Índice La programación lógica Lógica de predicados de primer orden Sistemas inferenciales IRC 2009 -
Más detallesDefinición y representación de los
Definición y representación de los circuitos lógicos. LÁMARA R + - + - OBJETIVO GENERAL BATERÍA Utilizar el álgebra booleana para analizar y describir el funcionamiento de las combinaciones de las compuertas
Más detallesCapítulo 4. Lógica matemática. Continuar
Capítulo 4. Lógica matemática Continuar Introducción La lógica estudia la forma del razonamiento, es una disciplina que por medio de reglas y técnicas determina si un teorema es falso o verdadero, además
Más detallesAlgebra Lineal XIII: Operaciones con Transformaciones Lineales.
Algebra Lineal XIII: Operaciones con Transformaciones Lineales. José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato
Más detallesÁlgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes
Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes CNM-108 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción
Más detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
Más detallesTema 4. Ejemplo Control Difuso
Tema 4. Ejemplo Control Difuso IA Inteligencia Artificial 5 o informática http://ccia.ei.uvigo.es/docencia/ia enero 2011 FJRP 2011 ccia IA Tareas típicas en el diseño de sistemas basados en lógica difusa
Más detalles1.1 CASO DE ESTUDIO: JUEGO DE CRAPS
. CASO DE ESTUDIO: JUEGO DE CRAPS El juego de Craps se practica dejando que un jugador lance dos dados hasta que gana o pierde, el jugador gana en el primer lanzamiento si tiene como total 7 u, pierde
Más detallesTEMA 3 ÁLGEBRA DE CONMUTACIÓN
TEMA 3 ÁLGEBRA DE CONMUTACIÓN TEMA 3: Álgebra de Boole ÍNDICE. POSTULADOS DEL ÁLGEBRA DE CONMUTACIÓN 2. ÁLGEBRA DE BOOLE BIVALENTE O ÁLGEBRA DE CONMUTACIÓN 2. Teoremas del álgebra de conmutación 3. VARIABLES
Más detallesJohn Venn Matemático y filósofo británico creador de los diagramas de Venn
Georg Cantor Matemático Alemán creador de la teoría de conjuntos John Venn Matemático y filósofo británico creador de los diagramas de Venn August De Morgan Matemático ingles creador de leyes que llevan
Más detallesNo se permiten libros ni apuntes ni calculadora
Ejercicio : [ puntos: respuesta acertada = +, respuesta incorrecta = ] Complete las frases que se muestran a continuación con las alternativas especificadas. En la siguiente tabla, indique "V" o "F" para
Más detallesSISTEMA DE NUMEROS REALES
SISTEMA DE NUMEROS REALES 1.1 Conjuntos Es una agrupación de objetos distintos (pero con algunas características en común), los que reciben el nombre de elementos. Generalmente se nombra a un conjunto
Más detalles{} representa al conjunto vacío, es decir, aquel que no contiene elementos. También se representa por.
2. Nociones sobre Teoría de Conjuntos y Lógica Para llevar a cabo nuestro propósito de especificar formalmente los problemas y demostrar rigurosamente la correctitud de nuestro programas, introduciremos
Más detallesBLOQUE 1. LOS NÚMEROS
BLOQUE 1. LOS NÚMEROS Números naturales, enteros y racionales. El número real. Intervalos. Valor absoluto. Tanto el Cálculo como el Álgebra que estudiaremos en esta asignatura, descansan en los números
Más detallesDISEÑO DE UN CONTROLADOR DIFUSO PARA EL CONTROL DE TEMPERATURA DE UN HORNO ELECTRICO RESISTIVO MONOFASICO
1 UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE INGENIERIA ELECTRICA Y ELECTRONICA INFORME FINAL DEL PROYECTO DE INVESTIGACION DISEÑO DE UN CONTROLADOR DIFUSO PARA EL CONTROL DE TEMPERATURA DE UN HORNO ELECTRICO
Más detallesProblemas métricos. 1. Problemas afines y problemas métricos
. Problemas afines y problemas métricos Al trabajar en el espacio (o análogamente en el plano) se nos pueden presentar dos tipos de problemas con los elementos habituales (puntos, rectas y planos): Problemas
Más detallesEstos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones.
TEMA 1: MATRICES Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
Más detallesElectrónica Digital - Guión
Electrónica Digital - Guión 1. Introducción. 2. El álgebra de Boole. 3. Propiedades del álgebra de Boole. 4. Concepto de Bit y Byte. 5. Conversión del sistema decimal en binario y viceversa. 6. Planteamiento
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesMATEMÁTICAS DISCRETAS. UNIDAD 2 Algebras Booleanas y Circuitos Combinatorios
MATEMÁTICAS DISCRETAS UNIDAD 2 Algebras Booleanas y Circuitos Combinatorios 2.1 CIRCUITOS COMBINATORIOS Inicie dando lectura a la subunidad 11.1, deténgase en el ejemplo 11.1.4, compare las tablas de los
Más detallesLa lógica borrosa y sus aplicaciones
La lógica borrosa y sus aplicaciones La Teoría de Conjuntos Borrosos fue introducida por mérito de la Universidad de California en Berkeley) a mediados de los años 6. Previamente, Max Black (99-989), en
Más detallesIntroducción a los números reales
Grado en Matemáticas Curso 2010-2011 Índice Conjuntos numéricos 1 Conjuntos numéricos Tienen nombre Y cuatro operaciones básicas 2 Teoremas y demostraciones Métodos de demostración 3 4 Objetivos Objetivos
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesTEMA 8.- NORMAS DE MATRICES Y
Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos
Más detallesEn la notación C(3) se indica el valor de la cuenta para 3 kilowatts-hora: C(3) = 60 (3) = 1.253
Eje temático: Álgebra y funciones Contenidos: Operatoria con expresiones algebraicas Nivel: 2 Medio Funciones 1. Funciones En la vida diaria encontramos situaciones en las que aparecen valores que varían
Más detallesTema 5: Análisis de Sensibilidad y Paramétrico
Tema 5: Análisis de Sensibilidad y Paramétrico 5.1 Introducción 5.2 Cambios en los coeficientes de la función objetivo 5.3 Cambios en el rhs 5.4 Análisis de Sensibilidad y Dualidad 5.4.1 Cambios en el
Más detallesCURSO DE DOCTORADO EN ECONOMIA CUANTITATIVA
CURSO DE DOCTORADO EN ECONOMIA CUANTITATIVA INTRODUCCION AL ANÁLISIS DE DATOS DIFUSOS Antonio Morillas Raya Departamento de Estadística y Econometría. Universidad de Málaga. A. Morillas Introducción al
Más detallesMEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro
Más detallesUNIDAD 4. Álgebra Booleana
UNIDAD 4 Álgebra Booleana ÁLGEBRA BOOLEANA El Álgebra Booleana se define como una retícula: Complementada: existe un elemento mínimo 0 y un elemento máximo I de tal forma que si a esta en la retícula,
Más detallesPRODUCTO CARTESIANO RELACIONES BINARIAS
PRODUCTO CARTESIANO RELACIONES BINARIAS Producto Cartesiano El producto cartesiano de dos conjuntos A y B, denotado A B, es el conjunto de todos los posibles pares ordenados cuyo primer componente es un
Más detallesForma binomial de números complejos (ejercicios)
Forma binomial de números complejos (ejercicios) Objetivos. Mostrar que los números reales x se pueden identificar con números complejos de la forma (x, 0), y cada número complejo (x, y) se puede escribir
Más detallesTema 3.1 Introducción a los circuitos combinacionales. Algebra de Boole
Tema 3.1 Introducción a los circuitos combinacionales. Algebra de Boole Índice Algebra de Boole. Definición. Operaciones lógicas: OR, AND, XOR y NOT Puertas lógicas Algebra de Boole Postulados Teoremas
Más detallesLenguajes, Gramáticas y Autómatas Conceptos
Lenguajes, Gramáticas y Autómatas Conceptos Departamento de Informática e Ingeniería de Sistemas C.P.S. Universidad de Zaragoza Última revisión: Febrero. 2004 11/02/2004 1 Índice Alfabetos, palabras y
Más detallesTema 2. Fundamentos de la Teoría de Lenguajes Formales
Departamento de Tecnologías de la Información Tema 2. Fundamentos de la Teoría de Lenguajes Formales Ciencias de la Computación e Inteligencia Artificial Índice 2.1. Alfabeto 2.2. Palabra 2.3. Operaciones
Más detallesTEMA 11. VECTORES EN EL ESPACIO
TEMA 11. VECTORES EN EL ESPACIO Dados dos puntos y, se define el vector como el segmento orientado caracterizado por su módulo, su dirección y su sentido. Dos vectores son equipolentes si tienen el mismo
Más detallesForma lógica de enunciados
Forma lógica de enunciados Marisol Miguel Cárdenas Lenguaje natural y lenguaje formal El lenguaje natural es aquel que utilizamos cotidianamente. Surge históricamente dentro de la sociedad y es aprendido
Más detallesRecordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos.
Capítulo 1 Preliminares Vamos a ver en este primer capítulo de preliminares algunos conceptos, ideas y propiedades que serán muy útiles para el desarrollo de la asignatura. Se trata de resultados sobre
Más detallesEs toda la información que utiliza el computador. Según sea la información que guardemos en los datos, se clasifican en los siguientes tipos:
Tipos de datos. Dato: Es toda la información que utiliza el computador. Según sea la información que guardemos en los datos, se clasifican en los siguientes tipos: I Numéricos: Almacenan números y con
Más detallesGrupos y Subgrupos El concepto de grupo Sea G un conjunto no vacío y sea G G G
Capítulo 1 Grupos y Subgrupos 001. El concepto de grupo Sea G un conjunto no vacío y sea G G G una operación interna en G para la cual denotaremos a la imagen de un par (x, y) mediante xy. Supongamos que
Más detallesPAU Madrid. Matemáticas II. Año Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos.
PAU Madrid. Matemáticas II. Año 22. Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos. Se considera una varilla AB de longitud 1. El extremo A de esta varilla recorre completamente la circunferencia
Más detallesMatemáticas Discretas TC1003
Matemáticas Discretas TC1003 Módulo I: s Válidos Departamento de Matemáticas ITESM Módulo I: s Válidos Matemáticas Discretas - p. 1/50 En matemáticas y en lógica un argumento no es una disputa. Más bien,
Más detallesGeneración de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Generación de Variables Aleatorias UCR ECCI CI-453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción Las variables aleatorias se representan por medio de distribuciones
Más detallesMatriz A = Se denomina MATRIZ a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
MATRICES Matriz Se denomina MATRIZ a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. a 11 a 12 a 1j a 1n a 21 a 22 a 2j a 2n A = a i1 a ij a in a m1 a
Más detalles2. El conjunto de los números complejos
Números complejos 1 Introducción El nacimiento de los números complejos se debió a la necesidad de dar solución a un problema: no todas las ecuaciones polinómicas poseen una solución real El ejemplo más
Más detallesLos números racionales: Q
Los números racionales: Q Qué fracción del área total está coloreada en cada una de las figuras de al lado? (a) (b) Juan leyó 2/5 de las páginas de un libro el lunes, el martes estaba ocupado y sólo pudo
Más detallesSucesiones Introducción
Temas Límites de sucesiones. convergentes. Sucesiones divergentes. Sucesiones Capacidades Conocer y manejar conceptos de sucesiones convergentes y divergentes. Conocer las principales propiedades de las
Más detallesCapítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
Más detallesI.E.S. Miguel de Cervantes (Granada) Departamento de Matemáticas GBG 1
PRODUCTO ESCALAR INTRODUCCIÓN El espacio vectorial de los vectores libres del plano se caracteriza por tener definidas dos operaciones: una interna, suma de vectores, y otra externa, producto de un número
Más detallesLímites de funciones de varias variables.
Límites continuidad de funciones de varias variables Límites de funciones de varias variables. En este apartado se estudia el concepto de límite de una función de varias variables algunas de las técnicas
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesPruebas de Acceso a las Universidades de Castilla y León
Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas 2 Tablas OPTATIVIDAD: EL ALUMNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR
Más detallesAnillo de polinomios con coeficientes en un cuerpo
Capítulo 2 Anillo de polinomios con coeficientes en un cuerpo En el conjunto Z se ha visto cómo la relación ser congruente módulo m para un entero m > 1, es compatible con las operaciones suma y producto.
Más detallesConjuntos y Sistemas Difusos (Lógica Difusa y Aplicaciones)
Departamento de enguajes y Ciencias de la Computación Universidad de Málaga Conjuntos y Sistemas Difusos (ógica Difusa y Aplicaciones) 5. Variables ingüísticas E.T.S.I. Informática J. Galindo Gómez VARIABES
Más detallesMODELOS DE PROCESO EVOLUTICO
MODELOS DE PROCESO EVOLUTICO ALUMNOS: RAUL MEXICANO HERNANDEZ KARIM PEREZ CONDE 4 SEMESTRE GRUPO: E PROCESO DE SOFTWARE El modelo Evolutivo Existe una gran variedad de procesos de software pero hablaremos
Más detalles1 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
Capítulo 1 SISTEMAS DE ECUACIONES LINEALES Y MATRICES 1.1 INTRODUCCIÓN Este libro trata del álgebra lineal. Al buscar la palabra lineal en el diccionario se encuentra, entre otras definiciones, la siguiente:
Más detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
Más detalles7.FUNCIÓN REAL DE VARIABLE REAL
7.FUNCIÓN REAL DE VARIABLE REAL 7.1 CONCEPTOS PREVIOS Dados dos conjuntos A={ 1,, 3,...} y B={y 1, y, y 3,...}, el par ordenado ( m, y n ) indica que el elemento m del conjunto A está relacionado con el
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detalles2 Matrices. 1. Tipos de matrices. Piensa y calcula. Aplica la teoría
2 Matrices 1. Tipos de matrices Piensa y calcula Escribe en forma de tabla el siguiente enunciado: «Una familia gasta en enero 400 en comida y 150 en vestir; en febrero, 500 en comida y 100 en vestir;
Más detallesALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE.
ALGEBRA y ALGEBRA LINEAL 520142 Primer Semestre CAPITULO 6. POLINOMIOS DE UNA VARIABLE. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición: Polinomio Sea K (Q,
Más detallesNÚMEROS COMPLEJOS: C
NÚMEROS COMPLEJOS: C Alejandro Lugon 21 de mayo de 2010 Resumen Este es un pequeño estudio de los números complejos con el objetivo de poder usar las técnicas de solución de ecuaciones y sistemas diferenciales
Más detallesDERIVACIÓN DE LAS FUNCIONES ELEMENTALES
DERIVACIÓN DE LAS FUNCIONES ELEMENTALES 2 El procedimiento mediante el cuál se obtiene la derivada de una función se conoce como derivación. Llamaremos funciones elementales a las funciones polinómicas,
Más detallesGrupos libres. Presentaciones.
S _ Tema 12.- Grupos libres. Presentaciones. 12.1 Grupos libres. En el grupo Z de los enteros vimos una propiedad (cf. ejemplos.5), que lo caracteriza como grupo libre. Lo enunciamos al modo de una Propiedad
Más detallesUnidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.
Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma
Más detallesUNIVERSIDAD POPULAR DEL CESAR DEPATAMENTO DE MATEMATICA Y ESTADISTICA ALGEBRA DE BOOLE
UNIVERSIDAD POPULAR DEL CESAR DEPATAMENTO DE MATEMATICA Y ESTADISTICA ALGEBRA DE BOOLE GERMAN ISAAC SOSA MONTENEGRO EJERCICIOS 3. Escriba en notación expandida los siguientes numerales : a) 2375 b) 110111
Más detallesTema 3 Álgebra Matemáticas I 1º Bachillerato. 1
Tema 3 Álgebra Matemáticas I 1º Bachillerato. 1 TEMA 3 ÁLGEBRA 3.1 FACTORIZACIÓN DE POLINOMIOS LA DIVISIBILIDAD EN LOS POLINOMIOS Un polinomio P(x) es divisible por otro polinomio Q(x) cuando el cociente
Más detallesCURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES. Unidad didáctica 4. Números reales y números complejos
NÚMEROS REALES Como se ha señalado anteriormente la necesidad de resolver diversos problemas de origen aritmético y geométrico lleva a ir ampliando sucesivamente los conjuntos numéricos, N Z Q, y a definir
Más detallesy cualquier par (x, y) puede escalarse, multiplicarse por un número real s, para obtener otro vector (sx, sy).
UNIDAD II: VECTORES EN DOS Y TRES DIMENSIONES Un espacio vectorial (o espacio lineal) es el objeto básico de estudio en la rama de la matemática llamada álgebra lineal. A los elementos de los espacios
Más detallesSILABO MATEMÁTICA I Facultad : Ciencias Empresariales Escuela Prof. : Ciencias Contables y Financieras
SILABO MATEMÁTICA I 1. DATOS INFORMATIVOS 1.1. Asignatura : MATEMÁTICA I 1.2. Código : 0302-03-107 1.3. Área : Formativa-Científica 1.4. Facultad : Ciencias Empresariales 1.5. Escuela Prof. : Ciencias
Más detallesFinanzas. Sesión 6 Tema 15: Punto de Equilibrio. Escuela Profesional de Ingeniería de Sistemas e Informática
Finanzas Sesión 6 Tema 15: Punto de Equilibrio Escuela Profesional de Ingeniería de Sistemas e Informática Punto de equilibrio El Punto de Equilibrio de un bien o servicio, está dado por el volumen de
Más detallesCÁLCULO VECTORIAL I. B, es un nuevo vector que se define del siguiente modo: Si A ybson (LI), entonces el vector A. B se caracteriza por:
PRODUCTO VECTORIAL DE DOS VECTORES El producto vectorial de dos vectores A y, y escribimos A, es un nuevo vector que se define del siguiente modo: Si A yson (LI), entonces el vector A se caracteriza por:
Más detalles4º E.S.O. Matemáticas A
4º E.S.O. Matemáticas A Objetivos 1. Incorporar, al lenguaje y formas habituales de argumentación, las distintas formas de expresión matemática (numérica, algebraica, de funciones, geométrica...), con
Más detallesSobre funciones reales de variable real. Composición de funciones. Función inversa
Sobre funciones reales de variable real. Composición de funciones. Función inversa Cuando en matemáticas hablamos de funciones pocas veces nos paramos a pensar en la definición rigurosa de función real
Más detallesTema 1 Las Funciones y sus Gráficas
Tema Las Funciones y sus Gráficas..- Definición de Función y Conceptos Relacionados Es muy frecuente, en geometría, en física, en economía, etc., hablar de ciertas magnitudes que dependen del valor de
Más detallesF (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0
Probabilidades y Estadística (M) Práctica 5 1 o cuatrimestre 2014 Vectores aleatorios 1. a) Demostrar que la función F (x, y) = 1 e x y si x 0, y 0 0 en caso contrario no es la función de distribución
Más detallesFunciones de varias variables.
Funciones de varias variables. Definición. Hasta ahora se han estudiado funciones de la forma y = f (x), f :D Estas funciones recibían el nombre de funciones reales de variable real ya que su valor y dependía
Más detallesIntroducción a la Lógica
Tema 0 Introducción a la Lógica En cualquier disciplina científica se necesita distinguir entre argumentos válidos y no válidos. Para ello, se utilizan, a menudo sin saberlo, las reglas de la lógica. Aquí
Más detallesAlgoritmos y programas. Algoritmos y Estructuras de Datos I
Algoritmos y programas Algoritmos y Estructuras de Datos I Primer cuatrimestre de 2012 Departamento de Computación - FCEyN - UBA Programación funcional - clase 1 Funciones Simples - Recursión - Tipos de
Más detallesb) Sea una relación de equivalencia en A y una operación en A. Decimos que y son compatibles si a b a c b c y c a c b para todo a, b, c A
APENDICE Relaciones y Operaciones Compatibles 1 Definición: a) Sea A un conjunto y una relación entre elementos de A. Decimos que es una relación de equivalencia si es: i Reflexiva: a A, a a. ii Simétrica:
Más detallesTema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION.
Tema 7 : DATOS BIVARIADOS. CORRELACION Y REGRESION. Distribuciones uni- y pluridimensionales. Hasta ahora se han estudiado los índices y representaciones de una sola variable por individuo. Son las distribuciones
Más detalles