Temario. Índices simples Árboles B Hashing

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

Download "Temario. Índices simples Árboles B Hashing"

Transcripción

1 Temario Itroducció y fudametos Itroducció a SQL Modelo Etidad / Relació Modelo relacioal Diseño relacioal: formas ormales Cosultas Cálculo relacioal Álgebra relacioal Implemetació de bases de datos Estructura física: campos y registros Idexació Ídices simples Árboles B Hashig 1

2 Modelo Etidad / Relació ick Cotacto Usuario ombre ombre acioalidad istate Escucha ID ID Artista Autor 1 autor Álbum Cació Cotiee título fecha géero título fecha duració 2

3 Diseño E/R e la igeiería de aplicacioes Trasició etre leguaje atural y diseño lógico de bases de datos Uso e la igeiería de software Diseño coceptual del modelo de datos Es difícil escribir SQL cuado se parte de cero (compresió de requisitos de la aplicació, diálogo co usuarios, etc.) Leguaje más maejable que SQL para captar y modelar los requisitos de datos Visualizable gráficamete Pero co elemetos formalmete defiidos, otació cojutista alterativa Abstracto: idepediete de la implemetació Ua vez defiido el modelo E/R, se traslada al modelo relacioal y SGBD Esquemas relacioales, restriccioes SGBD: SQL, tablas 3

4 Elemetos del modelo E/R Etidad Tipo de etidad (cocepto) Atributo Propiedades de los atributos Relació Clave 4

5 Etidad Etidades Cosa, substativo Ejemplo: La leyeda del tiempo, Pik Floyd, Jua Tipo de etidad (cocepto) Qué quiere decir? Cojuto de etidades completo e cuato a los atributos comues {María, Jua}, {The Beatles, José Moge Cruz, Pik Floyd} puede ser tipos {The Beatles, La leyeda del tiempo} o lo es de etidad y el cojuto de todas las etidades sí lo so {María, Jua, The Beatles, José Moge Cruz, Pik Floyd} puede ser u tipo de etidad? Itesió vs. extesió Itesió: Artista, Usuario, Cació, Álbum Extesió: {The Beatles, José Moge Cruz, } Artista {María, Jua, } Usuario 5

6 Atributos Atributo: fució etre u tipo de etidad y u domiio ick : Usuario strig Usuario strig ombre : Usuario strig ombre : Artista strig fecha : Cació fecha Domiio: cojuto de valores permitidos para u atributo strig, úmericos, fecha, ciudad, código postal, etc. Propiedades de los atributos Simples vs. compuestos direcció : Persoa strig it ciudad Puede haber iveles de aidamieto Uivaluados vs. multivaluados ( c/ Mayor, 15, Madrid, ) teléfoo : Persoa (strig) { , } Derivados: p.e. edad, º de cotactos Valor NULL Cualquier atributo puede tomarlo Valor iexistete (p.e. ua direcció que o icluye escalera ) o descoocido (p.e. edad de cierta persoa), o se descooce si existe (p.e. º de seguridad social) 6

7 Superclave Claves Cojuto de atributos cuya combiació es úica para u tipo de etidad Por ejemplo, el cojuto total de atributos de u tipo de etidad es ua superclave (trivial) Ejemplos: ick + ombre es superclave de Usuario di es superclave de Persoa? Clave Ua superclave míima, tambié llamada clave cadidata Equivaldría co matices a UNIQUE e SQL Ejemplos: ick + ombre o es clave para Usuario ick es clave es clave Clave primaria Ua clave que se desiga como primaria para u tipo de etidad Se utiliza para idexar (lo veremos más adelate ) Equivale a PRIMARY KEY e SQL La elecció etre claves cadidatas es arbitraria Notació gráfica: subrayado 7

8 Relacioes Relació = subcojuto del producto cartesiao de varios tipos de etidad Autor Cació Músico Cotacto Usuario Usuario Autor = {(Norwegia wood, The Beatles), (The Wall, Pik Floyd), } Tipo vs. istacia de relació Tipo de relació = cojuto de istacias de relació Cardialidad 1-1, 1-, -1, -, ragos para la Participació parcial (cardialidad 0) vs. total (cardialidad > 0) Ejemplos? Grado Biarias: las más habituales N-arias: Embajador Persoa País País Iterpreta Actor Película Papel Alieació Equipo Jugador Partido Cambio Jugador Jugador Partido So equivaletes a ua etidad co tatas relacioes como el grado 8

9 Relació -aria vs. etidad co relacioes biarias Persoaje Actor Iterpreta Película Persoaje Cardialidades? Actor Iterpreta Película 9

10 Relacioes (cot) Atributos de relació Roles Reserva Pasajero Vuelo Fecha : Reserva fecha Asieto : Reserva strig Precio : Reserva float Alieació Equipo Jugador Partido Puesto: Alieació Iteger Strig Puesto (Sportig de Gijó, Sagoy, Liga BBVA 2º jorada) = (19, delatero ) Etiquetas opcioales, clarifica la semática Puede difereciar cada direcció Especialmete útiles e relacioes reflexivas asimétricas 10

11 No tiee clave Depede de ua relació co otra etidad para idetificarse Tiee participació total e esta relació Esta relació es 1-1 ó 1- ( por el lado de la etidad débil) No tiee setido si la etidad de la que depede Tiee ua clave parcial Las diferecia de las etidades débiles que depede de la misma etidad La clave de la etidad idetificadora más la clave parcial es ua clave de la etidad débil Si la relació es 1-1 o se ecesita clave parcial Ejemplos Etidades débiles Pistas de u disco (clave parcial: º de pista) Muicipios de ua provicia (clave parcial: ombre del muicipio) Nombre Muicipio Puede depeder de más de ua relació 1 Perteece Provicia Ejemplo: etidad débil Iterpreta relacioado Actor, Película, Persoaje 11

12 Resume otació gráfica Partial key 12

Temario. Índices simples Árboles B Hashing

Temario. Índices simples Árboles B Hashing Temario Itroducció y fudametos Itroducció a SQL Modelo Etidad / Relació Modelo relacioal Diseño relacioal: formas ormales Cosultas Cálculo relacioal Álgebra relacioal Implemetació de bases de datos Estructura

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

Temario. Índices simples Árboles B Hashing

Temario. Índices simples Árboles B Hashing Temario Introducción y fundamentos Introducción a SQL Modelo Entidad / Relación Modelo relacional Diseño relacional: formas normales Consultas Cálculo relacional Álgebra relacional Implementación de bases

Más detalles

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.

UNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento. UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses

Más detalles

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con:

TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con: TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA.- Itroducció E los problemas de Programació Lieal os ecotraremos co: - Fució Objetivo: es la meta que se quiere alcazar, y que será la fució a

Más detalles

1.1. Campos Vectoriales.

1.1. Campos Vectoriales. 1.1. Campos Vectoriales. Las fucioes, ampliamete empleadas e la igeiería, para modelar matemáticamete y caracterizar magitudes físicas, y cuyo domiio podría ser multidimesioal, puede teer u rago uidimesioal

Más detalles

TEMA 3.- OPERACIÓN FINANCIERA

TEMA 3.- OPERACIÓN FINANCIERA . DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,

Más detalles

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2) Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

Señales y sistemas discretos (1) Transformada Z. Definiciones Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas

Más detalles

MODELO RELACIONAL. Síntesis. Ejes de aprendizaje. Competencias

MODELO RELACIONAL. Síntesis. Ejes de aprendizaje. Competencias MODELO RELACIONAL Sítesis El modelo relacioal es uo de los pricipales modelos aplicables para el tratamieto de datos y está basado e el maejo de tablas, atributos, llaves primarias, foráeas, relacioes

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

Espacio vectorial ESPACIO VECTORIAL. 8.- Intersección y suma de subespacios vectoriales

Espacio vectorial ESPACIO VECTORIAL. 8.- Intersección y suma de subespacios vectoriales ESPACIO VECTORIAL.- Itroducció.- Espacio Vectorial.- Subespacios vectoriales 4.- Geeració de Subespacios vectoriales 5.- Depedecia e idepedecia lieal 6.- Espacios vectoriales de tipo fiito 7.- Cambio de

Más detalles

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.

UNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida. UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,

Más detalles

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación

Análisis de Señales y Sistemas Digitales. Concepto Algoritmo Implementación Aálisis de Señales y Sistemas Digitales FFT Cocepto Algoritmo Implemetació 2010 FFT Trasformada Rápida de Fourier Cocepto La trasformada rápida de fourier (FFT) es u algoritmo que permite él cálculo eficiete

Más detalles

Análisis en el Dominio del Tiempo para Sistemas Discretos

Análisis en el Dominio del Tiempo para Sistemas Discretos OpeStax-CNX module: m12830 1 Aálisis e el Domiio del Tiempo para Sistemas Discretos Do Johso Traslated By: Erika Jackso Fara Meza Based o Discrete-Time Systems i the Time-Domai by Do Johso This work is

Más detalles

Existencia. donde R(a) = {b B / (a, b) R} y R 1 denota la relación inversa de R. ({a} R(a)) y esta unión es disjunta entonces se tiene

Existencia. donde R(a) = {b B / (a, b) R} y R 1 denota la relación inversa de R. ({a} R(a)) y esta unión es disjunta entonces se tiene Existecia. El pricipio de los casilleros. Si queremos colocar 3 bolillas e cajas, es evidete que e algua caja deberemos colocar al meos dos bolillas. Lo mismo ocurre si e lugar de 3 bolillas tuviésemos

Más detalles

MATEMÁTICA. Unidad 3 Utilicemos funciones Reales de variable Real. Utilicemos medidas de tendencia central. Trabajemos con medidas de posición

MATEMÁTICA. Unidad 3 Utilicemos funciones Reales de variable Real. Utilicemos medidas de tendencia central. Trabajemos con medidas de posición MATEMÁTICA Uidad Utilicemos fucioes Reales de variable Real. Utilicemos medidas de tedecia cetral. Trabajemos co medidas de posició Objetivos de la Uidad: Resolverás situacioes que implique la utilizació

Más detalles

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.

ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,

Más detalles

Tema 6. Sucesiones y Series. Teorema de Taylor

Tema 6. Sucesiones y Series. Teorema de Taylor Nota: Las siguietes líeas so u resume de las cuestioes que se ha tratado e clase sobre este tema. El desarrollo de todos los tópicos tratados está recogido e la bibliografía recomedada e la Programació

Más detalles

GUÍA DE ESTUDIO ÁLGEBRA LINEAL

GUÍA DE ESTUDIO ÁLGEBRA LINEAL GUÍ DE ESUDIO ÁLGER LINEL ema 3. rasformacioes Lieales. QUÉ ES UN RNSFORMCIÓN? E térmios geerales, ua trasformació es ua fució que permite trasformar u vector que perteece a u espacio vectorial (domiio)

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

APLICACIONES LINEALES.

APLICACIONES LINEALES. APLICACIONES LINEALES. INTODUCCIÓN: APLICACIONES ENTE CONJUNTOS. Ua aplicació etre dos cojutos A y B es ua regla que permite asigar a cada elemeto de A, uo de B. La aplicació del cojuto A e el cojuto B

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir

IES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)

Más detalles

Sucesiones y ĺımite de sucesiones

Sucesiones y ĺımite de sucesiones Tema 3 Sucesioes y ĺımite de sucesioes Ídice del Tema Sucesioes........................................ 60 Progresioes....................................... 63 3 Covergecia......................................

Más detalles

Gradiente, divergencia y rotacional

Gradiente, divergencia y rotacional Lecció 2 Gradiete, divergecia y rotacioal 2.1. Gradiete de u campo escalar Campos escalares. U campo escalar e R es ua fució f : Ω R, dode Ω es u subcojuto de R. Usualmete Ω será u cojuto abierto. Para

Más detalles

MC Fco. Javier Robles Mendoza Primavera 2009

MC Fco. Javier Robles Mendoza Primavera 2009 1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES

ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES Las medidas de PML a ser implemetadas, se recomieda e base a las opcioes de PML calificadas como ecoómicamete factibles.

Más detalles

CONVEXIDAD R 2. Conjuntos convexos. Combinación lineal convexa de m puntos. λ x. Ejemplos de conjuntos convexos en R 2

CONVEXIDAD R 2. Conjuntos convexos. Combinación lineal convexa de m puntos. λ x. Ejemplos de conjuntos convexos en R 2 Cojutos coveos Ejeplos de cojutos coveos e R CONVEXIDAD Cojutos coveos Coveidad de fucioes DEFINICION: U cojuto A es coveo cuado, y A y λ [0,] se cuple λ + ( λ) y A R λ + ( λ) y λ = / y λ = 0 Cojuto coveo:

Más detalles

Permutaciones y combinaciones

Permutaciones y combinaciones Perutacioes y cobiacioes Cotaos posibilidades Coezaos co u secillo ejeplo E España los coches tiee ua atrícula que costa de cuatro dígitos deciales seguidos de tres letras sacadas de u alfabeto de 26 Cuátas

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

7.2. Métodos para encontrar estimadores

7.2. Métodos para encontrar estimadores Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la

Más detalles

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.

Más detalles

Capítulo III Teoría de grupos

Capítulo III Teoría de grupos Capítulo III Teoría de grupos Tema 1. Leyes de composició iteras. 1.1 Leyes de composició iteras. Dado u cojuto A, se defie como Ley de composició itera defiida e A a toda aplicació, A A A ( x, y) x y

Más detalles

UNIDAD II - CONJUNTOS Y TECNICAS DE CONTEO

UNIDAD II - CONJUNTOS Y TECNICAS DE CONTEO UNIDAD II - CONJUNTOS Y TECNICAS DE CONTEO. INTRODUCCIÓN El orige de la teoría de la probabilidad se ecuetra e el trabajo motivado por los juegos de azar de los matemáticos Pedro de Fermat (60-665), Blas

Más detalles

SEGUNDA PARTE PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES

SEGUNDA PARTE PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES SEGUNDA PARTE PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES L. GENERALIZACIÓN DEL A.F.C. : ANÁLISIS FACTORIAL DE CORRESPONDENCIAS MÚLTIPLES 1. Itroducció Las «ecuestas» se

Más detalles

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p.

1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p. Divisibilidad Matemática discreta Dados dos úmeros aturales a y b, escribiremos a b y leeremos a divide a b si existe u c N tal que ac = b. E este caso, decimos que a es u divisor de b o que b es divisible

Más detalles

Sucesiones numéricas.

Sucesiones numéricas. SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El

Más detalles

TEMA 2 - FUNCIONES DE VARIAS VARIABLES (I): LÍMITES Y CONTINUIDAD. 1. Conceptos topológicos previos en el espacio euclídeo R n.

TEMA 2 - FUNCIONES DE VARIAS VARIABLES (I): LÍMITES Y CONTINUIDAD. 1. Conceptos topológicos previos en el espacio euclídeo R n. Fucioes de varias variables (I TEMA - FUNCIONES DE VARIAS VARIABLES (I: LÍMITES Y CONTINUIDAD. Coceptos topológicos previos e el espacio euclídeo R. Sea R el espacio euclídeo de dimesioes. U puto a de

Más detalles

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Curso Preparació y Evaluació Social de Proyectos Sistema Nacioal de Iversioes Divisió de Evaluació Social de Iversioes MINISTERIO DE DESARROLLO SOCIAL

Más detalles

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALOS DE CONFIANZA Autores: Ágel A. Jua (ajuap@uoc.edu), Máimo Sedao (msedaoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS Defiició Propiedades

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

CONCEPTOS BÁSICOS DE PRESTAMOS.

CONCEPTOS BÁSICOS DE PRESTAMOS. GESTIÓN FINANCIERA. TEMA 8º. PRESTAMOS. 1.- Coceptos básicos de préstamos. CONCEPTOS BÁSICOS DE PRESTAMOS. Coceptos básicos de prestamos. Préstamo. U préstamo es la operació fiaciera que cosiste e la etrega,

Más detalles

APUNTES DE MATEMÁTICAS

APUNTES DE MATEMÁTICAS APUNTES DE MATEMÁTICAS 4º ESO º Trimestre Autor: Vicete Adsuara Ucedo INDICE Tema : Vectores e el Plao.. Ejercicios Tema 9 Tema : Depedecia Lieal...7 Ejercicios Tema. 0 Tema 3: El Plao Afí...... Ejercicios

Más detalles

TEMA IV INTEGRALES INDEFINIDAS

TEMA IV INTEGRALES INDEFINIDAS Tema IV-Itegrales Ideiidas TEMA IV INTEGRALES INDEFINIDAS Dada ua ució ( ) deiida e u cierto domiio D, os plateamos si eiste ua ució F( ) deiida e el mismo domiio, tal que su derivada coicida co la ució

Más detalles

Estadística Descriptiva

Estadística Descriptiva Igacio Cascos Ferádez Dpto. Estadística e I.O. Uiversidad Pública de Navarra Estadística Descriptiva Estadística ITT Soido e Image curso 2004-2005 1. Defiicioes fudametales La Estadística Descriptiva se

Más detalles

Probabilidad con técnicas de conteo

Probabilidad con técnicas de conteo UNIA 3 Probabilidad co técicas de coteo Objetivos Al fializar la uidad, el alumo: distiguirá y utilizará las reglas de multiplicació y de suma para el cálculo de la catidad de arreglos co y si orde explicará

Más detalles

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.

5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor. GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

ASIGNATURA: MATEMATICAS FINANCIERAS

ASIGNATURA: MATEMATICAS FINANCIERAS APUNTES DOCENTES ASIGNATURA: MATEMATICAS FINANCIERAS PROFESORES: MARIN JAIMES CARLOS JAVIER SARMIENTO LUIS JAIME UNIDAD 3: EVALUACIÓN ECONÓMICA DE PROYECTOS DE INVERSIÓN EL VALOR PRESENTE NETO VPN Es ua

Más detalles

Guía de Extensiones del sector turístico Guía de Extensiones. del sector turístico. BS Factura. Guía de formato de factura ST Versión 1.

Guía de Extensiones del sector turístico Guía de Extensiones. del sector turístico. BS Factura. Guía de formato de factura ST Versión 1. BS Factura Guía de Etesioes del sector turístico Guía de Etesioes del sector turístico Barceloa, Eero 2007 Guía de formato de factura ST Versió 1.1 I d i c e 0. Itroducció... 3 1. Etesioes del sector turístico...

Más detalles

Matemáticas I. Tema 2 E.I.I. Aplicaciones Lineales y Matrices. Curso 2012-2013

Matemáticas I. Tema 2 E.I.I. Aplicaciones Lineales y Matrices. Curso 2012-2013 Matemáticas I E.I.I Tema 2 Aplicacioes Lieales y Matrices Curso 202-203 Itroducció 2 Como requisitos previos para maejar todos lo que e este tema se itroduce se tiee que recordar de cursos ateriores los

Más detalles

Asignatura: Geometría I Grado en Matemáticas. Universidad de Granada Tema 2. Espacios vectoriales

Asignatura: Geometría I Grado en Matemáticas. Universidad de Granada Tema 2. Espacios vectoriales Asigatura: Geometría I Grado e Matemáticas. Uiversidad de Graada Tema 2. Espacios vectoriales Prof. Rafael López Camio Uiversidad de Graada 14 de diciembre de 2012 Ídice 1. Espacio vectorial 2 2. Subespacio

Más detalles

Ley de los números grandes

Ley de los números grandes Capítulo 2 Ley de los úmeros grades 2.. La ley débil de los úmeros grades Los juegos de azar, basa su sistema de gaacias, fudametalmete e la estabilidad a largo plazo garatizada por las leyes de la probabilidad.

Más detalles

Estimación puntual y por intervalos

Estimación puntual y por intervalos 0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por

Más detalles

Transformaciones Lineales

Transformaciones Lineales Trasformacioes Lieales 1 Trasformacioes Lieales Las trasformacioes lieales iterviee e muchas situacioes e Matemáticas y so alguas de las fucioes más importates. E Geometría modela las simetrías de u objeto,

Más detalles

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a) Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio

Más detalles

Dada una secuencia g[n] se define su transformada Z (TZ) directa G(z), como. La relación entre la secuencia y su transformada se denota por:

Dada una secuencia g[n] se define su transformada Z (TZ) directa G(z), como. La relación entre la secuencia y su transformada se denota por: Tema 4. Trasformada Z. La trasformada Z para sistemas discretos desempeña u papel aálogo a la trasformada de Laplace para sistemas cotiuos. os va a permitir represetar la relació etrada salida de u sistema

Más detalles

CONCEPTOS BÁSICOS DE DIRECCIÓN FINANCIERA: SELECCIÓN DE INVERSIONES. Mercedes Fernández mercedes@upucomillas.es

CONCEPTOS BÁSICOS DE DIRECCIÓN FINANCIERA: SELECCIÓN DE INVERSIONES. Mercedes Fernández mercedes@upucomillas.es CONCEPTOS BÁSICOS DE DIRECCIÓN FINANCIERA: SELECCIÓN DE INVERSIONES Mercedes Ferádez mercedes@upucomillas.es CONTENIDO El valor temporal del diero. Selecció de iversioes CONTENIDO El valor temporal del

Más detalles

Matemáticas Financieras Material recopilado por El Prof. Enrique Mateus Nieves. Financial math.

Matemáticas Financieras Material recopilado por El Prof. Enrique Mateus Nieves. Financial math. Matemáticas Fiacieras Material recopilado por El Prof. Erique Mateus Nieves Fiacial math. 2.10 DESCUENO El descueto es ua operació de crédito que se realiza ormalmete e el sector bacario, y cosiste e que

Más detalles

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 013 MODELO OPCIÓN A EJERCICIO 1 (A) Sea R la regió factible defiida por las iecuacioes x 3y, x 5, y 1. (0 5 putos) Razoe si el puto (4 5,1 55) perteece

Más detalles

Análisis en el Dominio de la Frecuencia. Análisis en el Dominio de la Frecuencia. Sistemas de Control. Análisis en el Dominio de la Frecuencia

Análisis en el Dominio de la Frecuencia. Análisis en el Dominio de la Frecuencia. Sistemas de Control. Análisis en el Dominio de la Frecuencia Aálisis e el Domiio de la Frecuecia Sistemas de Cotrol El desempeño se mide por características e el domiio del tiempo Respuesta e el tiempo es díficil de determiar aalíticamete, sobretodo e sistemas de

Más detalles

SUCESIONES Y SERIES página 205 SUCESIONES Y SERIES. 12.1 Una sucesión es un conjunto de números ordenados bajo cierta regla específica.

SUCESIONES Y SERIES página 205 SUCESIONES Y SERIES. 12.1 Una sucesión es un conjunto de números ordenados bajo cierta regla específica. págia 05. Ua sucesió es u cojuto de úmeros ordeados bajo cierta regla específica. E muchos problemas cotidiaos se preseta sucesioes, como por ejemplo los días del mes, ya que se trata del cojuto {,,, 4,

Más detalles

Tema 9 Teoría de la formación de carteras

Tema 9 Teoría de la formación de carteras Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

Más detalles

Programación Entera (PE)

Programación Entera (PE) Programació Etera (PE) E geeral, so problemas de programació lieal (PPL), e dode sus variables de decisió debe tomar valores eteros. Tipos de PE Cuado se requiere que todas las variables de decisió tome

Más detalles

Soluciones Hoja de Ejercicios 2. Econometría I

Soluciones Hoja de Ejercicios 2. Econometría I Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño

Más detalles

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios. ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de

Más detalles

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC.

APLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC. APLICACIONES INFORMÁTICAS EN QUÍMICA Problemas Tema 2.3: Series, represetació de fucioes y costrucció de tablas e HC Grado e Química º SEMESTRE Uiversitat de Valècia Facultad de Químicas Departameto de

Más detalles

OBJETIVOS CONTENIDOS PROCEDIMIENTOS. Método del producto. Diagrama de árbol.

OBJETIVOS CONTENIDOS PROCEDIMIENTOS. Método del producto. Diagrama de árbol. 8966 _ 6-.qxd 7/6/8 9: Págia 87 Combiatoria INTRODUCCIÓN La combiatoria estudia las distitas formas de agrupar y ordear los elemetos de u cojuto, segú uas ormas establecidas. E esta uidad se aprede a formar

Más detalles

OPCIÓN A EJERCICIO 1 (A)

OPCIÓN A EJERCICIO 1 (A) IES Fco Ayala de Graada Juio de 01 (Geeral Modelo 6) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) -1-1 1 Sea las matrices A =

Más detalles

donde n e i, están en la misma unidad de tiempo. Por tanto, la expresión de los intereses ordinarios ó simples y pospagables :

donde n e i, están en la misma unidad de tiempo. Por tanto, la expresión de los intereses ordinarios ó simples y pospagables : 1 1. LEY FINANCIERA DE CAPITALIZACIÓN SIMPLE. 1.- Calcular los itereses producidos por u capital de 1800 colocado 10 días al 7% de iterés aual simple. a) Cosiderado el año civil. b) Cosiderado el año comercial.

Más detalles

/ n 0 N / D(f) = {n N / n n 0 }

/ n 0 N / D(f) = {n N / n n 0 } Liceo Nº 10 016 SUCESIONES Primera defiició Ua sucesió de úmeros reales es ua fució cuyo domiio es el cojuto de los úmeros aturales (N) y cuyo recorrido está coteido e el cojuto de los úmeros reales (R).

Más detalles

Práctica 6: Vectores y Matrices (I)

Práctica 6: Vectores y Matrices (I) Foamets d Iformàtica 1r curs d Egiyeria Idustrial Práctica 6: Vectores y Matrices (I) Objetivos de la práctica El objetivo de las prácticas 6 y 7 es itroducir las estructuras de datos vector y matriz e

Más detalles

Estimación puntual y por Intervalos de Confianza

Estimación puntual y por Intervalos de Confianza Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo

Más detalles

CAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica.

CAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica. 5 CAPIULO 0 CONCEPOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Este capítulo proporcioa u pequeño resume acerca de coceptos básicos de álgebra y programació lieal que resulta fudametales para el bue etedimieto

Más detalles

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida

CADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida CADENAS DE MARKOV Itroducció U proceso o sucesió de evetos que se desarrolla e el tiempo e el cual el resultado e cualquier etapa cotiee algú elemeto que depede del azar se deomia proceso aleatorio o proceso

Más detalles

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)

1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación) Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =

Más detalles

Planificación contra stock

Planificación contra stock Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica

Más detalles

Una de las herramientas más utilizadas por los analistas técnicos es la llamada media móvil.

Una de las herramientas más utilizadas por los analistas técnicos es la llamada media móvil. Medias Móviles Ua de las herramietas más utilizadas por los aalistas técicos es la llamada media móvil. La media móvil de u istrumeto fiaciero es simplemete el promedio de u úmero, predetermiado, de valores

Más detalles

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441

PRUEBA A ( ) ( ) p z p z 0.4988 1 0.4988 0.4988 1 0.4988 0.4988 1.96,0.4988 + 1.96 = 0.4521, 0.5455 441 441 PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE CURSO 007-008 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe respoder

Más detalles

TÉCNICAS MODERNAS DE OPTIMIZACIÓN - Simulación Aplicada -

TÉCNICAS MODERNAS DE OPTIMIZACIÓN - Simulación Aplicada - Escuela de Estudios Idustriales y Empresariales Igeiería Idustrial Facultad de Igeierías Físico-Mecáicas CONSTRUIMOS FUTURO TÉCNICAS MODERNAS DE OPTIMIZACIÓN - Simulació Aplicada - NÚMEROS Y VARIABLES

Más detalles

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete

Más detalles

CAPÍTULO 1: ELEMENTOS BÁSICOS DE LA TEORÍA DE LOS SUBCONJUNTOS BORROSOS

CAPÍTULO 1: ELEMENTOS BÁSICOS DE LA TEORÍA DE LOS SUBCONJUNTOS BORROSOS Parte I: Istrumetos matemáticos de la teoría de los subcojutos borrosos CAPÍTULO 1: ELEMENTOS BÁSICOS DE LA TEORÍA DE LOS SUBCONJUNTOS BORROSOS 1.1. SUBCONJUNTO BORROSO 1.1.1. Defiició y cocepto La matemática

Más detalles

COMUNICACIÓN A 5272 27/01/2012

COMUNICACIÓN A 5272 27/01/2012 2012 Año de Homeaje al doctor D. Mauel Belgrao A LAS ENTIDADES FINANCIERAS: COMUNICACIÓN A 5272 27/01/2012 Ref.: Circular LISOL 1-545 CONAU 1-962 Exigecia de capital míimo por riesgo operacioal. Determiació

Más detalles

Unidad 5. Anualidades vencidas. Objetivos. Al finalizar la unidad, el alumno:

Unidad 5. Anualidades vencidas. Objetivos. Al finalizar la unidad, el alumno: Uidad 5 Aualidades vecidas Objetivos Al fializar la uidad, el alumo: Calculará el valor de la reta de ua perpetuidad simple vecida. Calculará el valor actual de ua perpetuidad simple vecida. Calculará

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2004 Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos

Más detalles

Tema 3: Técnicas de contar

Tema 3: Técnicas de contar Tema 3: Técicas de cotar Objetivo específico: Dado u cojuto fiito podemos cotar sus elemetos si hacer la lista de dichos elemetos? Aplicacioes: Probabilidades (se cueta casos favorables y casos posibles)

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo

Más detalles

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA

17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA 7 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA El aálii e el domiio de la frecuecia e u herramieta cláica e la teoría de cotrol, i bie e geeral lo itema que varía co ua periodicidad defiida o uele er lo má

Más detalles

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que

SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso

Más detalles

3 Diseño de software completamente par

3 Diseño de software completamente par 3 Diseño de software La implemetació del sistema está efocada e el paradigma orietado a objetos. E este capítulo se describe las cosideracioes de diseño para el desarrollo del software, detallado la arquitectura

Más detalles

Figura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es,

Figura 1. Se dice que un subespacio vectorial F de E es A-invariante si los vectores u de F siguen estando en F al transformarse por A, esto es, VALORES Y VECORES PROPIOS Y LA REDUCCION DE CÓNICAS A) EL PROBLEMA PROPIO oda matriz cuadrada A de orde co elemetos (reales o complejos) es u operador lieal que actúa sobre el espacio vectorial E, dimesioal,

Más detalles

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0

Una serie de potencias puede ser interpretada como una función de x. f(x) = n=0 Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada

Más detalles

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON

BINOMIO DE NEWTON página 171 BINOMIO DE NEWTON págia 171 Los productos otables tiee la fialidad de obteer el resultado de ciertas multiplicacioes si hacer dichas multiplicacioes. Por ejemplo, cuado se desea multiplicar los biomios cojugados siguietes:

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

LA TRANSFORMADA Z { } CAPÍTULO SEIS. T n n. 6.1 Introducción

LA TRANSFORMADA Z { } CAPÍTULO SEIS. T n n. 6.1 Introducción CAPÍTULO SEIS LA TRANSFORMADA Z 6. Itroducció E el Capítulo 5 se itrodujo la trasformada de Laplace. E este capítulo presetamos la trasformada Z, que es la cotraparte e tiempo discreto de la trasformada

Más detalles