R-IV. Números Aleatorios. Método de Monte- Carlo. Números Aleatorios. Números Aleatorios 8 -
|
|
- Catalina Parra Gil
- hace 8 años
- Vistas:
Transcripción
1 R-IV Método de Monte- Carlo Elemento Central en la Simulación digital. Definición formal controvertida. Elemento esencial en muchas áreas del conocimiento Ingeniería, Economía, Física, Estadística, etc. Definición intuitiva: Una sucesión de números aleatorios puros, se caracteriza por que no existe ninguna regla o plan que nos permita conocer sus valores. Los números aleatorios obtenidos a través de algoritmos recursivos se llaman pseudo-aleatorios. Simulación/2005 Héctor Allende 1 Simulación/2005 Héctor Allende 2 Disponer de un buen generador de números aleatorios es clave en: Computación Aleatorizada Computación Evolutiva Algoritmos Aleatorizados Verificación de Algoritmos Validación de Algoritmos Criptografía etc. " #$% &'( ( )' +(('&' (,) ( ( -./0 Simulación/2005 Héctor Allende 3 Simulación/2005 Héctor Allende 4, & ( 0 ( &, 1 + (,& &, & &' / 6)# +4 7 &(1 ) 8 - +(( 4& (1 + 51'9:;$::%$<9;<>9 2($%<?(9 / 9;?$9 9;?$; ( ( ' # ( ) Simulación/2005 Héctor Allende 5 Simulación/2005 Héctor Allende 6
2 + A2 ( ) " B<'$C +2 0&, D 2 ( 2 2( 0 Simulación/2005 Héctor Allende 7 5 2" ) ( ' 4&&' (/ 2" " & & &( +2' 4 1 & / & 4 Simulación/2005 Héctor Allende A ( 42 & 4 & ( 1 ( 4 0( 4 () 2 3' 5 & ( ' ' ( 2 & ( Simulación/2005 Héctor Allende 9 Simulación/2005 Héctor Allende 10 +A8 La gran disponibilidad de generadores de números aleatorios en muchos entornos y compiladores puede llevarnos a pensar que para un usuario de la simulación no sería necesario estudiar estas cuestiones. Una lección del pasado reciente nos obliga a sacar lecciones y actuar con mucho cuidado con dichos generadores (RANDU - IBM). El Uso progresivo de modelos de simulación cada vez más detallados exige una mayor calidad de los generadores de números aleatorios. ( +A8?< EF. & ( + +& Simulación/2005 Héctor Allende 11 Simulación/2005 Héctor Allende 12
3 +A8 +A8 ( ( ' $<<<) &)'9-A Simulación/2005 Héctor Allende 13 Simulación/2005 Héctor Allende 14 &;-A # +A8 # +A8 &;-A # ( ) $G Simulación/2005 Héctor Allende 15 Simulación/2005 Héctor Allende 16 DEF 1: Kolmogorov (1987) [Complejidad Algorítmica] Una sucesión de números es aleatoria sino puede producirse eficientemente de una manera más corta que la propia serie. DEF 2: L Ecuyer (1990) [Impredicibilidad] Una sucesión de números es aleatoria si nadie que utilice recursos computacionales razonables puede distinguir entre la serie y una sucesión de números verdaderamente aleatoria de una forma mejor que tirando una moneda legal para decidir cuál es cuál. Esta definición conduce a los denominados generadores PT-perfectos usados en Criptografía. Simulación/2005 Héctor Allende 17 DEF 3: Un Número aleatorio es una realización de una variable aleatoria que tiene asociada una ley de probabilidades F, en un espacio o modelo de Probabilidades ΩR. Obs: Una particular Ley de Probabilidad base para la generación de números pseudo-aleatorios es: u 1, u 2,..., u n : es la uniforme (0 ; 1) u i ~ U(0,1). DEF 4: Una sucesión de números aleatorios {u 1, u 2,..., u n } es una sucesión de números U(0;1), si tiene las mismas propiedades estadísticas relevantes que dicha sucesión de números aleatorios. Simulación/2005 Héctor Allende 18
4 DEF 5: Una sucesión de números aleatorios {u i } es aleatorio si h-úplas de números sucesivos no superpuestos se distribuyen aproximadamente. como una [0,1] h, con h1,2,..,n, para n suficientemente grande. Obs: h2 tenemos (u i,u i+1 ), i1,2,..n, se distribuye como una ley uniforme en [0,1] 2. Existe una gran de métodos para generar {u i } U(0,1) : -Uniformente distribuidas - Independientes - E[U] ½ ; V[U] 1/12 - Período largo A las propiedades estadísticas anteriores se deben agregar otras relativas a la eficiencia computacional: Velocidad de respuesta Consumo de memoria Portabilidad Parsimonia Reproducibilidad Mutabilidad Período Simulación/2005 Héctor Allende 19 Simulación/2005 Héctor Allende 20 Métodos de Generación de 1.- Método de los cuadrados medios 2.- Métodos Congruenciales 3.- Método de registros desfasados [Semilla - Algoritmo - Validación] P 1 : Obtener semilla (valores iniciales) P 2 : Aplicación de Algoritmos recursivos P 3 : Validación del conjunto de datos generados (Test de Aleatoriedad) Métodos de los cuadrados Medios Consiste en que cada número de una sucesión es producido tomando los dígitos medios de un número obtenido mediante la elevación al cuadrado. P 1 : Obtener semilla (valores iniciales 445) P 2 : Aplicación de Algoritmos recursivos (elevar al cuadrado) P 3 : Validación del conjunto de datos generados Simulación/2005 Héctor Allende 21 Simulación/2005 Héctor Allende 22 Métodos de los Cuadrados Medios Ejemplo: Consideremos la semilla 445 n+1 (a n + b) mod m ; X X 2 N Aleatorio , , , Los parámetros del algoritmo se llaman - a multiplicador - b sesgo - m módulo - o semilla (valor inicial) Simulación/2005 Héctor Allende 23 Simulación/2005 Héctor Allende 24
5 Obs: 1.- Cuando b0 el generador se denomina Generador congruencial multiplicativo. 2.- Cuando b 0 el generador se denomina Generador congruencial mixto. 3.- A pesar de la simplicidad una adecuada elección de los parámetros de a, b y m, permite obtener de manera eficiente una larga e impredecible sucesión de números como para considerarse aleatoria. Caso Parámetros a b m xo Caso Salidas Simulación/2005 Héctor Allende 25 Simulación/2005 Héctor Allende 26 Algunas observaciones de las salidas de los generadores congruenciales: i) Un generador congruencial tiene ciclos ii) La longitud del ciclo depende de la selección de los parámetros (ver caso 1) y 3) ) iii) Dentro de selecciones de parámetros que conducen a la misma longitud, algunas salidas parecen más aleatorias que otras. iv) La representación de pares ( i, i+1 ) sugiere que estos se disponen en un número finito de hiperplanos. Los resultados teóricos que veremos a continuación facilitan la elección de los parámetros de a y b su demostración puede verse en el texto clásico D. Knuth (1981): The Art of Computer Programming. Ed. A. Wesley Vol N 2 Simulación/2005 Héctor Allende 27 Simulación/2005 Héctor Allende 28 Proposición 2.1 Un generador congruencial tiene su período máximo si y sólo si: i) m.c.d (b, m) 1 (primos relativos) ii) a 1 mod p ; para cada factor primo p de m. iii) a 1 mod 4 ; si 4 divide a m. Puesto que b esta asociado en la práctica con el efecto de traslación, inicialmente asumiremos ( b0), es decir partiremos estudiando los generador congruencial multiplicativos. Simulación/2005 Héctor Allende 29 Dem: Donald Knuth Vol 2 (1981) Obs: 1) Lo anterior sugiere elegir m lo más grande posible, para asegurarnos un período largo (posibles elecciones de m son; m2 31-1, m ) 2) Sea p el período de la secuencia de números aleatorios, si pm el generador se llama de período completo. 3) Si m es un número primo entonces el máximo período se obtiene ssi a 1 Simulación/2005 Héctor Allende 30
6 Proposición 2.2 Sea un generador multiplicativo (b0) [X n+1 a X n mod m] tiene período p(m-1), sólo si p es primo. El periodo divide a (m-1) y es (m-1) si y sólo si a es una raíz primitiva de m-1, es decir a (m-1)/p 1 mod m, para todos los factores primos p de (m-1). Proposición 2.3 Si a es un raíz primitiva de m, a k mod m, lo es siempre que k y m-1 sean primos relativos. Equivalentemente Si a es una raíz primitiva de m, a k mod m lo es siempre que ; mcd(k,m-1)1 Simulación/2005 Héctor Allende 31 Dem: B. Ripley (1987) Stochastic Simulation Ed. John Wiley. pp 47 Obs: 1) En general los generadores congruenciales son de la forma n+1 g ( n, n-1,..., n-k,...) mod m g (x) a n g (x) a n + b g (x) a n2 + b n + c Usando g (x) (a 1 n-1 + a 2 n a r n-r ), se obtiene un generador de Fibonacci retardado. La teoría de estos generadores se puede ver en Marsaglia (1985)] Simulación/2005 Héctor Allende 32 2) Una buena elección de m, permite obtener un generador eficiente (ciclo máximo). Pero aún se debe estudiar con más detalle la elección de a y b, pues se tienen muchos grados de libertad. 3) Un buen generador congruencial debe ser: i) De máximo período ii) Su salida debe parecer aleatoria iii) Poder implementar de forma eficiente en aritmética de 32 bits. Un algoritmo de muy fácil implementación del tipo congruencial es m a 7 5 (raíz primitiva de m) X n 7 5 X n-1 mod (2 31-1) u n Dicho generador se encuentra en las bibliotecas IMSL y NAG Simulación/2005 Héctor Allende 33 Simulación/2005 Héctor Allende 34 La rutina RANDU, que IBM proporcionaba para sus equipos consideraba un modelo congruencial multiplicativo con m 2 31 ; a ; b 0 X n X n-1 mod (2 31 ) u n Este generador proporciona tripletas consecutivas de números que caen en 15 planos Lo que sugiere cierta previsiblidad en su salida (Mal Generador) Simulación/2005 Héctor Allende 35 Barsaglia (1968) demostró que sucesiones consecutivas no superpuestas de n números aleatorios obtenidos de generadores multiplicativos caen en, a lo sumo [n m] 1/n hiperplanos paralelos. Algunas cotas de casos representativos n3 n5 n7 n9 n10 m m Es decir, en un computador con palabras de 32 bits, menos de 41 hiperplanos contendrán las 10-úplas Simulación/2005 Héctor Allende 36
7 En teoría puede conseguirse que un buen generador con m 2 32 produzca puntos independientes en un cubo de dimensión 3, siendo el mínimo número de hiperplanos que contiene estos puntos 10 8, en contraste con los Para la famosa rutina RANDU de IBM, X n X n mod (2 31 ) las tripletas consecutivas de números caen en 15 planos. Simulación/2005 Héctor Allende 37 Generadores de Registros Desfasados Se basa en Generadores lineales recursivos múltiples El estudio de este generador se asocia al Polinomio característico. sobre un álgebra finita F m, con m elementos. [Niederreiter 1992] Simulación/2005 Héctor Allende 38 Generadores de Registros Desfasados Generadores de Registros Desfasados [Niederreiter 1992] Cuando el polinomio es primitivo el período es (m k -1). Debido a la complejidad del análisis para m grande, habitualmente se elige un m pequeño, generalmente 2 obteniendo generadores de bits de la forma donde a k 1 ^ a i {0, 1} Simulación/2005 Héctor Allende 39 La adición módulo 2 es equivalente al XOR (ó exclusivo) 0 XOR XOR XOR XOR 0 1 Esto nos permite implementar registros de desplazamiento Un generador propuesto Tausworthe (1985) ( + ) < Simulación/2005 Héctor Allende 40 Generadores de Registros Desfasados Conversión del Generador Binario En este caso los primeros q bits deben ser especificados, esto es análogo a la semilla de los generadores congruenciales. Este tipo de generador depende del largo de la palabra Ejemplo: h 3 ; q 5 ; b 1 b 2 b 3 b 4 b 5 1 b 6 (b 3 + b 1 ) mod 2 2 mod 2 0 b 7 (b 4 + b 2 ) mod 2 2 mod 2 0 b 8 (b 5 + b 3 ) mod 2 2 mod 2 0 b 9 (b 6 + b 4 ) mod 2 1 mod 2 1 b 10 (b 7 + b 5 ) mod 2 1 mod b 42 (b 39 + b 37 ) mod 2 2 mod 2 0 Simulación/2005 Héctor Allende 41 Transformar la sucesión {b i } en un número aleatorio (0,1) Consideremos {b i } b 1 b 2 b 3 b 4 b 5 b 6 b 7 b 8 b 9 b 10 b 11 b b 41 b Simulación/2005 Héctor Allende 42
8 { } Conversión del Generador Binario Generadores no Lineales Consideremos 4 y 1 b b b b u 1 y 2 b b b b u 2 y 3 b b b b u 3... y así sucesivamente { } Simulación/2005 Héctor Allende 43 Dada la estructura reticular de los generadores lineales, algunos autores sugirieron utilizar generadores no lineales. (Ver Niederreiter (1992)) Usar un generador con función de transición lineal, produciendo una transformación no lineal del estado en su salida. Usar un generador con función de transición no lineal. Simulación/2005 Héctor Allende 44 Una forma de incrementar el periodo e intentar evitar regularidades que muestren los generadores lineales es combinar (mezclar) diferentes generadores para obtener generadores híbridos de mejor calidad que los generadores originales. Muchas de las combinaciones propuestas son heurísticas y algunas con resultados bastantes pobres. { } Por ejemplo sean e dos sucesiones aleatorias, una sucesión combinada sería : donde Combinación de Generadores i i i es alguna operación binaria Simulación/2005 Héctor Allende 45 Generadores Paralelos de números aleatorios. Sincronización; reproductibilidad; gasto transición ] Generadores de Fibonacci retardados [ Sincronización; reproductibilidad; gasto transición ] Generadores Comerciales: IMSL Generador congruencial multiplicativo m a 16807; ; Otros Generadores Simulación/2005 Héctor Allende 46 Validación de Generadores Congruenciales Finalmente la fase de validación se basa en ciertas propiedades estadísticas que deben cumplirse a la salida de los generadores de n aleatorios. Los Test empíricos que veremos a continuación son genéricos y pueden usarse en la evaluación de generadores de n aleatorios, en generadores de variables aleatorias y en la modelación de entradas de modelos de simulación. La mayoría de los Test se encuentran disponibles en paquetes estadísticos comerciales. SAS, Statistica, etc. 1) Test Validación de N os Aleatorios χ Este es un test de Bondad de Ajuste. Es poco potente, por lo que permite justificar el rechazo de una hipótesis, pero proporciona escaso apoyo en la aceptación. Dada una muestra 1, 2,..., n de una F x () desconocida. Se desea contrastar. H o : F x () F o () v/s H 1 : F x () F o () Simulación/2005 Héctor Allende 47 Simulación/2005 Héctor Allende 48
9 Validación de N os Aleatorios Validación de N os Aleatorios Efectuando una partición del soporte de X en k subconjuntos 1, 2,..., k : φ ( ) χ asint χ ~ f i : frecuencia absoluta del subconjunto i-ésimo ( i ) e i : número de observaciones esperadas en i bajo H o Obs: 1) Este Test considera aleatoridad de F o U(0,1) 2) Este Test también permite contrastar la uniformidad S-dimensional de 1 (u 1, u 2,..., u s ); 2 (u s+1, u s+2,..., u 2s );... n (u (n-1)s+1,..., u ns ) en F o [0,1] s [Distribución uniforme en el hipercubo] Simulación/2005 Héctor Allende 49 Simulación/2005 Héctor Allende 50 Validación de N os Aleatorios 2) Test de Kolmogorov - Smirnov (Test K-S) Sea F o una función de distribución continua y sea F n la función de distribución empírica de la muestra. Bajo H o : F x (x) F o (x) se espera que F n se aproxime a F o D n Sup F n (x) - F o (x) x R La distribución exacta de D n está tabulada para valores n 40 y distintos niveles de significación α. Para muestras grandes se utiliza la distribución asintótica de D n dada por Simulación/2005 Héctor Allende 51 Test de Kolmogorov - Smirnov Obs: En el caso particular de aleatoridad se considera X (1) < X (2) <... < X (n) estadísticos de orden F o (X (i) ) X (i) ^ F n (X (i) ) / D n Simulación/2005 Héctor Allende 52 ) 8<'$") ( & ( 1' H & ( +1'3 (,# 0& 6 8<'$ I 4 ( Simulación/2005 Héctor Allende 53 Simulación/2005 Héctor Allende 54
10 Validación de N os Aleatorios Otros Test son: Test de Rachas Test Serial Test de Permutaciones Test de Poker Test de Dependencia Test de longitud de rachas etc./../&' ' & 8 / 04& / 4& / AJA5() &2'.' ' Simulación/2005 Héctor Allende 55 Simulación/2005 Héctor Allende 56.#- 5 1& $A3&(& 9 ;E %. G#() &(? 0 :J& >#'.#-# K &&, 2 A5 K ) K & & // K / & 4 / && &. 54& 4&(( /. 4 Simulación/2005 Héctor Allende 57 Simulación/2005 Héctor Allende 58 Idea : Es la aproximación a la solución de un problema por medio del muestreo de un proceso al azar. Esto no ayuda mucho lo que es el pero podemos familiarizarnos por la vía de ejemplos: Caso 1 π { R + } Simulación/2005 Héctor Allende 59 y x Caso 2: Sea g(x) una función y supongamos que deseamos conocer Sea u ~ (0,1) Entonces siendo θ E[g(u)] Problema determinista y sea x u ( ) Simulación/2005 Héctor Allende 60
11 Luego E[g(u)] θ Entonces transformamos la estimación de θ por el cálculo E[g(u)] por la vía de la ley de los grandes números. θ " θ " > ε Simulación/2005 Héctor Allende 61 Es decir podemos resolver un problema determinístico por medio del cálculo del valor esperado de una muestra grande. Algoritmo Valores iniciales, S 1 0 ; S Generar u i ((0,1)) 2.- Calcular g(u i ) S 1 S 1 + g(u i ) 3.- Calcular S 2 S 2 + [g(u i )] Repetir el cálculo k-veces 5.- Calcular θ ; 6.- Calcular el θ θ ± Simulación/2005 Héctor Allende 62 θ Caso 3 : Para θ Sea θ + Entonces donde + Luego podemos estimar mediante el cálculo de E[h(y)] Simulación/2005 Héctor Allende 63 Caso 4 : θ θ puede ser calculado mediante θ donde 1, 2,..., n sucesiones v.a.i.i.d. (0,1) θ Simulación/2005 Héctor Allende 64 Caso 5 : Para θ Sea Entonces + + θ #$%&$ 1.- Construir RGN, tipo congruencial Mixto y un RGN, regristro defasado. Verificar a lo menos 3 test de Aleatoriedad 2.- Derive un método aproximado para resolver este problema de integración, vía Simulación de Monte Carlo y proponga un Algoritmo θ Luego θ siendo Simulación/2005 Héctor Allende 65 Simulación/2005 Héctor Allende 66
Generación de números aleatorios
Generación de números aleatorios Marcos García González (h[e]rtz) Verano 2004 Documento facilitado por la realización de la asignatura Métodos informáticos de la física de segundo curso en la universidad
Más detallesGeneradores de números aleatorios
Generadores de números aleatorios Patricia Kisbye FaMAF 23 de marzo, 2010 Para qué se utilizan? Simulación. Muestreo. Análisis numérico. Testeo de programas. Juegos de azar. Toma de decisiones. Secuencias
Más detallesProbabilidades y Estadística (Computación) Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Ana M. Bianco y Elena J.
Generación de Números Aleatorios Números elegidos al azar son útiles en diversas aplicaciones, entre las cuáles podemos mencionar: Simulación o métodos de Monte Carlo: se simula un proceso natural en forma
Más detallesRELACIONES DE RECURRENCIA
Unidad 3 RELACIONES DE RECURRENCIA 60 Capítulo 5 RECURSIÓN Objetivo general Conocer en forma introductoria los conceptos propios de la recurrencia en relación con matemática discreta. Objetivos específicos
Más detallesSimulación Computacional. Tema 1: Generación de números aleatorios
Simulación Computacional Tema 1: Generación de números aleatorios Irene Tischer Escuela de Ingeniería y Computación Universidad del Valle, Cali Typeset by FoilTEX 1 Contenido 1. Secuencias pseudoaleatorias
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detalles13. Técnicas de simulación mediante el método de Montecarlo
13. Técnicas de simulación mediante el método de Montecarlo Qué es la simulación? Proceso de simulación Simulación de eventos discretos Números aleatorios Qué es la simulación? Simulación = técnica que
Más detallesGeneración de Números Pseudo-Aleatorios
Números Aleatorios Son un ingrediente básico en la simulación de sistemas Los paquetes de simulación generan números aleatorios para simular eventos de tiempo u otras variables aleatorias Una secuencia
Más detallesCapítulo 2. Generación de Números Aleatorios. Introducción. Efectos de la aleatoriedad en la simulación
Capítulo 2 Generación de Números Aleatorios II.1 Introducción La vida real raramente es determinística. Muchas de las influencias externas a un sistema bajo estudio (tal como el arribo de las entidades)
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detallesTema 2 Límites de Funciones
Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos
Más detallesMatemáticas 2º BTO Aplicadas a las Ciencias Sociales
Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD
Más detallesESTIMACION DE INTERVALOS DE CONFIANZA
pag 3. Prohibida su reproducción ESTIMACION DE INTERVALOS DE CONFIANZA Una muestra permite realizar estimaciones puntuales de los parámetros de la población. Utilizando las propiedades de las distribuciones
Más detallesCRIPTOGRAFÍA SIMÉTRICA Y ASIMÉTRICA
CRIPTOGRAFÍA SIMÉTRICA Y ASIMÉTRICA Para generar una transmisión segura de datos, debemos contar con un canal que sea seguro, esto es debemos emplear técnicas de forma que los datos que se envían de una
Más detallesTEMA I: INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL
TEMA I: INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL 1. Electrónica Digital Antes de empezar en el tema en cuestión, vamos a dar una posible definición de la disciplina que vamos a tratar, así como su ámbito
Más detalles3. Algoritmo DES (Data Encription Standard)
3. Algoritmo DES (Data Encription Standard) 3.1. Fundamentos Cifrado por bloques (block cipher) Opera sobre un bloque de texto plano de n bits para producir un texto cifrado de n bits. Tipicamente, la
Más detalles2. Probabilidad. Estadística. Curso 2009-2010. Ingeniería Informática. Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24
2. Probabilidad Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 2. Probabilidad Curso 2009-2010 1 / 24 Contenidos 1 Experimentos aleatorios 2 Algebra de sucesos 3 Espacios
Más detallesTEMA 3 PROFESOR: M.C. ALEJANDRO GUTIÉRREZ DÍAZ 2 3. PROCESAMIENTO DE CONSULTAS DISTRIBUIDAS
1 1 BASES DE DATOS DISTRIBUIDAS TEMA 3 PROFESOR: M.C. ALEJANDRO GUTIÉRREZ DÍAZ 2 3. PROCESAMIENTO DE CONSULTAS DISTRIBUIDAS 3.1 Metodología del procesamiento de consultas distribuidas 3.2 Estrategias de
Más detalles8. Estimación puntual
8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores
Más detallesPRÁCTICA N 2 SISTEMAS DE NUMERACIÓN
PRÁCTICA N 2 SISTEMAS DE NUMERACIÓN Ejercicio 1. Diseñar una planilla EXCEL que tome como dato de entrada un número entero y devuelva la representación en base 2. Testearla con los números 23, 245, 673,
Más detallesEJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO
EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO 1º) Considérese un número estrictamente positivo del sistema de números máquina F(s+1, m, M, 10). Supongamos que tal número es: z = 0.d 1 d...d s 10 e Responde
Más detallesIntroducción a la Teoría de Probabilidad
Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento
Más detallesTema 2 Límites de Funciones
Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos
Más detalles18. Camino de datos y unidad de control
Oliverio J. Santana Jaria Sistemas Digitales Ingeniería Técnica en Informática de Sistemas Curso 2006 2007 18. Camino de datos y unidad de control Un La versatilidad una característica deseable los Los
Más detallesSistemas de Numeración
Sistemas de Numeración Objetivo: Conoce los sistemas de numeración diferentes al decimal Ser capaces de transformar una cifra de un sistema a otro 1 Introducción El sistema de numeración usado de forma
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesT.3 ESTIMACIÓN PUNTUAL
T.3 ESTIMACIÓN PUNTUAL 1. INTRODUCCIÓN: ESTIMACIÓN Y ESTIMADOR 2. PROPIEDADES DE LOS ESTIMADORES 3. MÉTODOS DE ESTIMACIÓN. EJEMPLO 1, EJEMPLO 2 1. Introducción: Estimación y Estimador En este tema se analizan
Más detallesInformática 1 Sistemas numéricos: decimal, binario, octal y hexadecimal FCFA Febrero 2012
Informática 1 Sistemas numéricos: decimal, binario, octal y hexadecimal CONVERSIONES DE UN SISTEMA A OTRO Para la realización de conversiones entre números de bases diferentes se efectúan operaciones aritméticas
Más detallesCARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS
CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS MEDIANTE UN ENFOQUE POR CADENAS DE MARKOV ABSORBENTES Lidia Toscana - Nélida Moretto - Fernanda Villarreal Universidad Nacional del Sur, ltoscana@criba.edu.ar
Más detallesListas de vectores y conjuntos de vectores
Listas de vectores y conjuntos de vectores La explicación de los temas Dependencia lineal y Bases en el curso de Álgebra Lineal se puede basar en uno de los siguientes dos conceptos (o en ambos): ) listas
Más detalles2. Aritmética modular Ejercicios resueltos
2. Aritmética modular Ejercicios resueltos Ejercicio 2.1 Probar, mediante congruencias, que 3 2n+5 + 2 4n+1 es divisible por 7 cualquiera que sea el entero n 1. Trabajando módulo 7 se tiene que 3 2n+5
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesSistemas de numeración
Sistemas de numeración Un sistema de numeración es un conjunto de símbolos y reglas que permiten representar datos numéricos. Los sistemas de numeración actuales son sistemas posicionales, que se caracterizan
Más detalles1. Representación de la información en los sistemas digitales
Oliverio J. SantanaJaria Sistemas Digitales Ingeniería Técnica en Informática de Sistemas Curso 2005 2006 1. Representación de la información en los sistemas digitales Durante Hoy Los digital tipo muchos
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesMUESTREO TIPOS DE MUESTREO
MUESTREO En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población), se selecciona una muestra, entendiendo por tal una parte representativa de
Más detallesAlvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012
Contenido Motivación Métodos computacionales Integración de Montecarlo Muestreo de Gibbs Rejection Muestreo Importante Metropolis - Hasting Markov Chain Montecarlo Method Complemento ejemplos libro: Bayesian
Más detalles1.4 Cálculo de Probabilidades con Métodos de Conteo. Considerere un espacio muestral finito,
1 1.4 Cálculo de Probabilidades con Métodos de Conteo Considerere un espacio muestral finito, y defina, Luego, Ω = {ω 1,..., ω n }, P ({ω i }) = p i, i = 1,..., n P (A) = ω i A p i, A Ω Ω se dice equiprobable
Más detallesAuditoría. 9 > Auditoría de cuentas a cobrar
Auditoría. 9 > Auditoría de cuentas a cobrar Juan Carlos Mira Navarro Juan Carlos Mira Navarro 1 / 13 Auditoría. 9 > Auditoría de cuentas a cobrar 1 2 3 4 Procedimientos para verificar la existencia de
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesLECCIÓN 8: CIRCUITOS Y ALGORITMOS DE MULTIPLICACIÓN DE ENTEROS
ESTRUCTURA DE COMPUTADORES Pag. 8.1 LECCIÓN 8: CIRCUITOS Y ALGORITMOS DE MULTIPLICACIÓN DE ENTEROS 1. Circuitos de multiplicación La operación de multiplicar es mas compleja que la suma y por tanto se
Más detallesMétodos generales de generación de variables aleatorias
Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad
Más detallesEcuaciones Diferenciales Tema 2. Trasformada de Laplace
Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace
Más detallesCURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Más detallesCiclo de vida y Metodologías para el desarrollo de SW Definición de la metodología
Ciclo de vida y Metodologías para el desarrollo de SW Definición de la metodología La metodología para el desarrollo de software es un modo sistemático de realizar, gestionar y administrar un proyecto
Más detallesUniversidad TecMilenio: Profesional IO04002 Investigación de Operaciones II
IO04002 Investigación de Operaciones II Tema #4 Generación de números pseudo aleatorios y Objetivo de aprendizaje del tema Al finalizar la sesión serás capaz de: Calcular números pseudo aleatorios. Determinar
Más detallesProgramación Genética
Programación Genética Programación Genética consiste en la evolución automática de programas usando ideas basadas en la selección natural (Darwin). No sólo se ha utilizado para generar programas, sino
Más detallesLección 22: Probabilidad (definición clásica)
LECCIÓN 22 Lección 22: Probabilidad (definición clásica) Empezaremos esta lección haciendo un breve resumen de la lección 2 del libro de primer grado. Los fenómenos determinísticos son aquellos en los
Más detallesNÚMEROS NATURALES Y NÚMEROS ENTEROS
NÚMEROS NATURALES Y NÚMEROS ENTEROS Los números naturales surgen como respuesta a la necesidad de nuestros antepasados de contar los elementos de un conjunto (por ejemplo los animales de un rebaño) y de
Más detallesCursada Primer Semestre 2015 Guía de Trabajos Prácticos Nro. 2
Temas: Programación en MATLAB: Sentencias, expresiones y variables. Estructuras de control. Operadores relacionales y lógicos. Programación de funciones. Aritmética finita: Representación de números en
Más detallesTécnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S.
Técnicas De Conteo Si en el experimento de lanzar la moneda no cargada, se lanzan 5 monedas y definimos el evento A: se obtienen 3 caras, cómo calcular la probabilidad del evento A?, si todos los resultados
Más detallesUniversidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Agosto de 2005
Extracción de Frontera (Boundary Extraction) La frontera de un conjunto A, escrita como β(a), se puede obtener erosionando A por B y luego calcular la diferencia entre A y su erosión. Esto es β ( A) =
Más detallesExperimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.
Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables
Más detallesElementos requeridos para crearlos (ejemplo: el compilador)
Generalidades A lo largo del ciclo de vida del proceso de software, los productos de software evolucionan. Desde la concepción del producto y la captura de requisitos inicial hasta la puesta en producción
Más detallesCurso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos
Curso: Métodos de Monte Carlo. Unidad 1, Sesión 2: Conceptos básicos Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo, Uruguay
Más detallesUNIDAD Nº 1: 1. SISTEMAS DE NUMERACION. Formalizado este concepto, se dirá que un número X viene representado por una cadena de dígitos:
UNIDAD Nº 1: TECNICATURA EN INFORMATICA UNLAR - CHEPES 1.1. INTRODUCCION 1. SISTEMAS DE NUMERACION El mundo del computador es un mundo binario. Por el contrario, el mundo de la información, manejada por
Más detallesSISTEMAS DE NUMERACIÓN. Sistema decimal
SISTEMAS DE NUMERACIÓN Sistema decimal Desde antiguo el Hombre ha ideado sistemas para numerar objetos, algunos sistemas primitivos han llegado hasta nuestros días, tal es el caso de los "números romanos",
Más detallesGeneradores de Números Aleatorios-Pruebas. Jorge Eduardo Ortiz Triviño
Generadores de Números Aleatorios-Pruebas Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http://www.docentes.unal.edu.co/jeortizt/ Contenido: Qué entendemos por secuencia de números aleatorios? Cómo
Más detalles3.1 DEFINICIÓN. Figura Nº 1. Vector
3.1 DEFINICIÓN Un vector (A) una magnitud física caracterizable mediante un módulo y una dirección (u orientación) en el espacio. Todo vector debe tener un origen marcado (M) con un punto y un final marcado
Más detallesAlgoritmos Genéticos Y
Algoritmos Genéticos Y Optimización n Heurística Dr. Adrian Will Grupo de Aplicaciones de Inteligencia Artificial Universidad Nacional de Tucumán awill@herrera.unt.edu.ar Algoritmos Genéticos - Operadores
Más detallesPARTE III OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS MODELADO E IDENTIFICACIÓN ASPECTOS A TENER EN CUENTA MODELADO IDENTIFICACIÓN OBTENCIÓN DE MODELOS
OBTENCIÓN DE MODELOS PARTE III OBTENCIÓN DE MODELOS 1. INFORMACIÓN SOBRE EL SISTEMA 1. EL PROPIO SISTEMA (OBSERVACIÓN, TEST) 2. CONOCIMIENTO TEÓRICO (LEYES DE LA NATURALEZA, EXPERTOS, LITERATURA, ETC.)
Más detallesTema 2: Muestreo. Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales
Tema 2: Muestreo. Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 2: Muestreo Curso 2008-2009 1 / 13 Índice 1 Introducción 2 Muestreo
Más detallesTema 12: Contrastes Paramétricos
Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de
Más detallesGUIA SOBRE LOS REQUISITOS DE LA DOCUMENTACION DE ISO 9000:2000
1 INTRODUCCIÓN Dos de los objetivos más importantes en la revisión de la serie de normas ISO 9000 han sido: desarrollar un grupo simple de normas que sean igualmente aplicables a las pequeñas, a las medianas
Más detallesNúmeros aleatorios. Contenidos
Números aleatorios. Contenidos 1. Descripción estadística de datos. 2. Generación de números aleatorios Números aleatorios con distribución uniforme. Números aleatorios con otras distribuciones. Método
Más detallesIntegración por el método de Monte Carlo
Integración por el método de Monte Carlo Georgina Flesia FaMAF 7 de abril 2015 El método de Monte Carlo El método de Monte Carlo es un procedimiento general para estudiar procesos mediante la seleccion
Más detallesUnidad 1 Sistemas de numeración Binario, Decimal, Hexadecimal
Unidad 1 Sistemas de numeración Binario, Decimal, Hexadecimal Artículo adaptado del artículo de Wikipedia Sistema Binario en su versión del 20 de marzo de 2014, por varios autores bajo la Licencia de Documentación
Más detallesAlgoritmos y Diagramas de Flujo 2
Algoritmos y Diagramas de Flujo 2 Programación Java NetBeans 7.0 RPC Contenido 2.1 Algoritmo...1 Fase de creación de un algoritmo...1 Herramientas de un algoritmo...2 2.2 Diagrama de Flujo...2 Símbolos
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesUn problema sobre repetidas apuestas al azar
Un problema sobre repetidas apuestas al azar Eleonora Catsigeras 1 10 de marzo de 2003. Resumen En estas notas se da el enunciado y una demostración de un conocido resultado sobre la probabilidad de éxito
Más detallesMateria: Informática. Nota de Clases Sistemas de Numeración
Nota de Clases Sistemas de Numeración Conversión Entre Sistemas de Numeración 1. EL SISTEMA DE NUMERACIÓN 1.1. DEFINICIÓN DE UN SISTEMA DE NUMERACIÓN Un sistema de numeración es un conjunto finito de símbolos
Más detalles1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1
5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0
Más detallesAnálisis de propuestas de evaluación en las aulas de América Latina
Esta propuesta tiene como objetivo la operatoria con fracciones. Se espera del alumno la aplicación de un algoritmo para resolver las operaciones. Estas actividades comúnmente presentan numerosos ejercicios
Más detallesUnidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7
Unidad Temática 1: Unidad 3 Probabilidad Temas 6 y 7 Definiciones: 1- La probabilidad estudia la verosimilitud de que determinados sucesos o eventos ocurran o no, con respecto a otros sucesos o eventos
Más detallesPRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS
PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS La finalidad de una prueba de k muestras es evaluar la aseveración que establece que todas las k muestras independientes provienen de poblaciones
Más detallesMODELOS DE RECUPERACION
RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN INGENIERÍA INFORMÁTICA RECUPERACIÓN Y ACCESO A LA INFORMACIÓN MODELOS DE RECUPERACION AUTOR: Rubén García Broncano NIA 100065530 grupo 81 1 INDICE 1- INTRODUCCIÓN
Más detallesPOLINOMIOS Y FRACCIONES ALGEBRAICAS
POLINOMIOS Y FRACCIONES ALGEBRAICAS Página 66 PARA EMPEZAR, REFLEXIONA Y RESUELVE Múltiplos y divisores. Haz la división: 4 + 5 0 + 5 A la vista del resultado, di dos divisores del polinomio 4 + 5 0. (
Más detallesAritmética finita y análisis de error
Aritmética finita y análisis de error Escuela de Ingeniería Informática de Oviedo (Dpto. de Matemáticas-UniOvi) Computación Numérica Aritmética finita y análisis de error 1 / 47 Contenidos 1 Sistemas decimal
Más detallesLa nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx
La nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx Resumen Se dan algunas definiciones básicas relacionadas con la divisibilidad
Más detalles7. Conclusiones. 7.1 Resultados
7. Conclusiones Una de las preguntas iniciales de este proyecto fue : Cuál es la importancia de resolver problemas NP-Completos?. Puede concluirse que el PAV como problema NP- Completo permite comprobar
Más detallesEn la actualidad ASCII es un código de 8 bits, también conocido como ASCII extendido, que aumenta su capacidad con 128 caracteres adicionales
Definición(1) Sistemas numéricos MIA José Rafael Rojano Cáceres Arquitectura de Computadoras I Un sistema de representación numérica es un sistema de lenguaje que consiste en: un conjunto ordenado de símbolos
Más detallesNotas de Teórico. Sistemas de Numeración
Departamento de Arquitectura Instituto de Computación Universidad de la República Montevideo - Uruguay Sistemas de umeración Arquitectura de Computadoras (Versión 5. - 4) SISTEMAS DE UMERACIÓ Introducción
Más detallesSistemas Aleatorios: Técnicas de Conteo
MA2006 Primer Regla del Producto Si el primer elemento u objeto de un par ordenado puede ser seleccionado de n 1 maneras y por cada una de estas n 1 maneras el segundo elemento del par puede ser seleccionado
Más detallesPor ejemplo convertir el número 131 en binario se realiza lo siguiente: Ahora para convertir de un binario a decimal se hace lo siguiente:
Como convertir números binarios a decimales y viceversa El sistema binario es un sistema de numeración en el que los números se representan utilizando 0 y 1. Es el que se utiliza en los ordenadores, pues
Más detallesMáster Universitario en Ingeniería de Caminos, Canales y Puertos Introducción al Análisis Numérico
Máster Universitario en Ingeniería de Caminos, Canales y Puertos Introducción al Análisis Numérico Departamento de Matemática Aplicada Universidad Granada Introducción El Cálculo o Análisis Numérico es
Más detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
Más detallesTema 1 con soluciones de los ejercicios. María Araceli Garín
Tema 1 con soluciones de los ejercicios María Araceli Garín Capítulo 1 Introducción. Probabilidad en los modelos estocásticos actuariales Se describe a continuación la Tarea 1, en la que se enumeran un
Más detallesContenido: CARTAS DE CONTROL. Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS
Contenido: CARTAS DE CONTROL Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS TEST DE MEDIANAS CEL: 72488950 1 Antes de querer utilizar cualquier
Más detallesIES Fco Ayala de Granada Junio de 2012 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Granada Junio de 01 (General Modelo 4) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO 4 (COMÚN) OPCIÓN A EJERCICIO 1 (A) Sea el recinto determinado
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detallesLección 24: Lenguaje algebraico y sustituciones
LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesSISTEMAS NUMERICOS. Ing. Rudy Alberto Bravo
SISTEMAS NUMERICOS SISTEMAS NUMERICOS Si bien el sistema de numeración binario es el más importante de los sistemas digitales, hay otros que también lo son. El sistema decimal es importante porque se usa
Más detallesDIRECTRICES Y ORIENTACIONES GENERALES PARA LAS PRUEBAS DE ACCESO A LA UNIVERSIDAD
Curso Asignatura 2014/2015 MATEMÁTICAS II 1º Comentarios acerca del programa del segundo curso del Bachillerato, en relación con la Prueba de Acceso a la Universidad La siguiente relación de objetivos,
Más detallesGeometría Tridimensional
Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,
Más detallesCARTAS DE CONTROL. FeGoSa
Las empresas en general, ante la apertura comercial han venido reaccionando ante los cambios y situaciones adversas, reaccionan por ejemplo ante: Disminución de ventas Cancelación de pedidos Deterioro
Más detalles