El problema de los matrimonios estables con información incompleta.
|
|
- Fernando Martin del Río
- hace 6 años
- Vistas:
Transcripción
1 Rev. Cub. Físa vol.3 o. (006) p ISS: Orgnal paper Revsta Cubana de Físa Calle I o. 30 e/ 5 y 7 Vedado, La Habana. El problema de los matrmonos estables on nformaón nompleta. Alejandro Lage y Roberto Mulet a Depto. Físa Teóra, Faultad de Físa, Unversdad de la Habana, lage@fsa.uh.u a) Cátedra de Sstemas Complejos Henr Ponaré, San Lázaro y L, Cudad de la Habana, Cuba, mulet@fsa.uh.u Rebdo el /06/006. Aprobado en versón fnal el //006. Sumaro. Se presenta el Problema de los Matrmonos junto a algunos resultados y algortmos. Se defne el problema on nformaón nompleta G() y se demuestran algunos teoremas que lo haen equvalente a un problema on P() nformaón nompleta G (). Basados en eso alulamos la probabldad es de enontrar al menos un estado estable en el que todos los jugadores estén asados en G(). Se alula la onetvdad rta que defne el rango ( ] de onetvdades en las que es posble asgnar matrmonos de forma estable a todos los jugadores. Abstrat. After a bref ntroduton to the Stable Marrage Problem (SMP) and to some known algorthms and results, we defne the SMP wth nomplete nformaton G(). We show that t an be turned nto an equvalent problem G () wth omplete nformaton. Ths equvalene wll be used to derve an analyt expresson for the probablty ( ) of havng at least one stable state where every player s marred n the nomplete nformaton game G(). The range of onnetvtes ( ] defnes the games wth nomplete nformaton where t s reasonable to look for a stable state where every player s marred. An analyt expresson s gven for. Palabras lave. Soal systems s, Game theory 0.50.Le. Introduón La segunda mtad del sglo XX vvó el namento y la onsoldaón de la Teoría de Juegos omo modelo de sstemas eonómos, soales y bológos. Surgda en 944 a partr de los trabajos de John von euman, la teoría de juegos se defne hoy omo un ampo de las matemátas apladas enfoado a la desrpón de sstemas de muhos agentes on ntereses onfltvos. Su estudo ha meredo varos premos obel en Cenas Eonómas, entre ellos el de John ash, John Harsany y Renhard Selte en 994 y más reentemente el otorgado a Thomas Shellng y Robert Aumann en el año 005. Desde la déada de los 80 el ampo tambén se ha vuelto omún entre los físos, espealmente aquellos que se dedan a la modelaón de sstemas eonómos, soales o bológos -6, y a aquellos que estudan problemas de optmzaón 7-9. En este artíulo estudamos un problema de la Teoría de Juegos onodo omo el Problema de los Matrmonos Estables. Un juego se entende omo un onjunto {,, } de jugadores o agentes, ada uno de los uales tene, a su vez, un onjunto S de aones o estrategas posbles a tomar y una funón osto asoada que depende de la estratega esogda por el jugador en uestón y de la 80
2 esogda por los demás jugadores. Un estado del juego orresponde a una adopón de una estratega por ada jugador. Los agentes se onsderan raonales en el sentdo de que ntentarán en todo momento adoptar la estratega que mnme su funón osto. Como ourre habtualmente en la vda omún, el resultado benefoso o perjudal de las aones de ada jugador no depende sólo de la estratega esogda por él, sno tambén de aquellas que adoptaron los demás, sobre las uales no tene poder de desón. Por esto, de forma general los jugadores no tendrán una úna estratega óptma sno que la mejor de sus aones varará en dependena de las desones tomadas por los demás jugadores. Un ejemplo láso es la bolsa de valores, donde hay que dedr entre vender o omprar aones, y lo más onvenente será haer aquello que menos jugadores haen. Equlbro de ash El onepto lave de esta teoría es el de Equlbro de ash y se debe a John ash. S un estado Π s s s, donde el jugador -ésmo {,,, } esta jugando la estratega s S, es tal que todo agente está jugando la mejor de sus respuestas a las desones de los demás, entones Π es un Equlbro de ash. Tales estados perduran en el tempo pues nngún jugador se ve tentado a desvarse de su omportamento, dado que mnmza su funón osto s es la estratega que U (s,s, s,,s ) s S () U (s,s, s,,s,s ) tomando fjas las estrategas de los demás. La defnón vno aompañada de la demostraón del Teorema de ash que asegura la exstena de dhos estados (pueden ser más de uno) en ualquer juego s se nluye una defnón un poo más ampla de estratega que la dada hasta aquí. Es mportante señalar que la establdad defnda según ash es un onepto estáto y no mpla que la dnáma de los juegos onduza a estados estables en el sentdo de ash. 3 Problema de los Matrmonos Estables Este problema aborda desde el punto de vsta de la teoría de juegos la stuaón en la que dos onjuntos X e Y de gual tamaño tenen que ser dspuestos en parejas (x,y) tomando en onsderaón las opnones de ada elemento respeto a los del otro grupo. En su planteamento más ddáto los onjuntos se asoan a hombres y mujeres, y las parejas se llaman matrmonos, de lo ual le vene el nombre al problema. Una nstana de nuestro problema vene dada por:. Un onjunto,{ H de hombres y,{ M de mujeres.. Para ada jugador (hombre o mujer) exste una lsta ordenada de los elementos del otro sexo que refleja sus preferenas (ver Tabla I). Las desones de ambos sexos onssten en la eleón de una pareja. El osto x U ( M ) que, j j tene para el hombre -ésmo estar asado on la mujer j- ésma es el lugar que oupa dha mujer en su lsta de preferenas, y análogamente se defne el osto y j, para la mujer j-ésma. En todo el tratamento que sgue las lstas de preferena se onsderan ordenadas aleatoramente, de forma que no hay orrelaón entre la valoraón de dstnttos jugadores. De ser posble, ada jugador se asaría on la prmera persona en su lsta, pero la aleatoredad hará que rara vez un hombre y una mujer se tengan ambos omo los prmeros en sus lstas. Esta frustraón es una araterísta típa de los sstemas desordenados 8,9. Un estado del problema es una asgnaón de parejas Π {( H, M ),( H, ) (, )} M H M en la que todos los elementos están asados on un y sólo un elemento del sexo opuesto. En la Tabla I se muestra una nstana del problema de los matrmonos para 4. Tabla I Matres de Preferenas para los hombres y las mujeres. 4 Hombres Preferena 3 4 H M M M 3 M 4 H M 4 M 3 M M H 3 M 4 M M M 3 H 4 M 3 M M M 4 Mujeres Preferena 3 4 M H H 4 H H 3 M H 3 H H H 4 M 3 H H 4 H 3 H M 4 H H 3 H H 4 Los físos suelen dentfar la funón osto de la teoría de juegos on una energía de forma que los ntentos de mnmzar el osto de los jugadores sean ongruentes on la mnmzaón de la energía.. En el estado Π {(H,M ), (H,M 3 ), (H 3,M 4 ), (H 4,M )}, por ejemplo, el hombre H se enuentra en su mejor stuaón on una energía x x pues la, Π, mujer M es la prmera de su lsta de preferenas, mentras que M se enuentra on una energía y y pues H es el segundo de su lsta. La Π,, energía meda de los hombres y las mujeres se defne omo XΠ x,π y Y Π y Π, 8
3 respetvamente y la energía total de un estado omo E Π X Π + Y Π. 4 Matrmonos Estables y Equlbro de ash Dado un estado ualquera Π la pareja del hombre H y la mujer M j se llamará Inestable s:. El hombre H y la mujer M j no son un matrmono en el estado atual.. Tanto el hombre H omo la mujer M j preferrían formar pareja el uno on el otro que on sus atuales ónyuges. En el estado antes lustrado, la pareja (H,M 4 ) es una Pareja Inestable, pues H prefere a M 4 antes que a su esposa M 3, y M 4 prefere a H antes que a su esposo H 3. En la vda real esto sería sufente para que ourra el dvoro en los matrmonos a los que perteneen H y M 4 y estos formen un nuevo matrmono ganando ambos en feldad. Como ben se lustra las Parejas Inestables onduen a la reonfguraón de los estados s se onsdera a los jugadores atuando raonalmente. Un Equlbro de ash será, por tanto, un estado que no ontenga nnguna Pareja Inestable, pues nngún jugador enontrará algo mejor que haer que quedarse on su atual pareja. En otras palabras, un tal estado será estable respeto a las aones ndvduales de los jugadores, de aquí que tambén se le llame Matrmono Estable a un estado de Equlbro de ash. El problema de los matrmonos estuda la exstena y propedades de los estados de equlbro de ash. 5 Algortmo Gale Shapley Dada una nstana del problema omo la antes desrta el onjunto de los estados posbles tene! elementos, 0 de los uales, por neesdad, alguno Π es el de menor energía total 0 0 E E Π. Este estado es el que la termodnáma prede omo el de equlbro a temperatura T0. Las smulaones demuestran que de 0 forma general Π, que onde on el óptmo soal (el estado en que las personas son más feles omo promedo), no es estable según ash. Esta stuaón se repte muho en teoría de juegos y tene la prmera letura de que los óptmos soales son nestables respeto al aonar egoísta de los jugadores 6,0. Usando métodos de la físa de sstemas desordenados Mezard y Pars 8 han probado que E 0. 67, mentras que por métodos probablístas 0 se ha probado que el estado estable en que la gente es más felz omo promedo tene una energía E. En ambos asos la barra nda la promedaón de la magntud sobre el desorden ongelado, en este aso sobre el onjunto de lstas de preferena. Por otra parte dada ualquer nstana de este problema, sempre exste al menos un equlbro de ash, y por lo general exsten muhos 0,. Las propedades estadístas de estos estados y su dependena on han sdo amplamente estudadas 6,0,. En torno a este ampo hubo tambén muho trabajo de entífos de la omputaón 3,4 en el dseño de algortmos que permteran hallar de forma efente todos los estados estables en una nstana. De partular nterés es el algortmo de Gale y Shapley 3, en el que se demuestra que hay una forma muy senlla de enontrar un estado estable. La msma se basa en dvdr los sexos por roles: los hombres proponen matrmono, las mujeres esperan en asa. Todos los hombres, mentras estén solteros propondrán matrmono a las mujeres por orden de preferena en sus lstas. Las mujeres esperarán a rebr proposones y aeptarán sempre que estén solas, o que su atual ónyuge sea menos gustado que el nuevo pretendente. En este últmo aso, las mujeres dejan a un hombre por otro y el abandonado ontnúa proponendo a las mujeres de su lsta. El algortmo termna uando el últmo hombre soltero se asa. El resultado del algortmo no depende del orden en que se mplemente, y sempre ondue a un msmo estado estable según ash. En el ejemplo de la Tabla I, en el prmer paso H propondría a M y sería aeptado, H propondría a M 4 y tambén sería aeptado, H 3 propondría a M 4 que lo rehazaría pues prefere a H, y H 4 propondría a M 3 que lo aeptaría. En el segundo paso sólo queda H3 soltero quen pasa a proponer matrmono a la segunda mujer de su lsta, M, quen lo aepta y termna el algortmo dando omo resultado el estado Π ( H, M ),( H, M 4 ),( H 3, M ),( H 4, M 3) en el ual se puede omprobar que no hay nnguna pareja nestable. Se puede probar que en nngún otro estado estable nngún hombre se enuentra asado on una mujer más gustada que la que le orresponde en. Es der, Π es el estado óptmo para los hombres, mentras que, tambén se prueba, es el pésmo para las mujeres. En valor medo la energía de los hombres y las mujeres venen dadas por 8 : X log Y () log Esto demuestra que la attud atva ante la toma de desones es muho más ventajosa que la pasva. Por supuesto, uno puede nvertr el rol de los sexos en el algortmo de Gale Shapley y obtener el estado óptmo para las mujeres que es el pésmo para los hombres. S estos dos estados onden, entones la nstana en uestón tendrá solo un estado estable. S no onden pueden exstr muhos más estados ntermedos entre uno y otro. 6 Informaón nompleta Entre las muhas generalzaones que ha tendo el problema de los matrmonos, una posble es la restrón de la nformaón en el sguente sentdo: las lstas de preferenas pueden estar nompletas, de forma Π 8
4 que hay ertas posbles parejas (que puderan ser las mejores) de las uales no se tene rtero porque se les desonoe. La motvaón es lara: muy a nuestro pesar, sólo onoemos una pequeña fraón de las mujeres (hombres) de nuestra edad. Desde el punto de vsta eonómo el problema de los matrmonos se usa omo modelo del merado laboral, y la nformaón nompleta refleja el heho de que la adqusón de nformaón uesta tempo y reursos, por lo ual tanto los empleados omo los empleadores onoen sólo una fraón de sus opones posbles. Una prmera pregunta a haerse es ómo depende la feldad meda de la antdad de nformaón que se tene 4. S ben la ausena de nformaón puede haer que desonozamos a erta pareja on la ual estaríamos muy a gusto, tene en ambo la ventaja de redur la ompetena, pues ahora la antdad de personas que onoe a la mujer más gustada en nuestra lsta es menor. Las smulaones y los resultados analítos demuestran que sempre es preferble la abundana de nformaón, aunque venga aompañada de más ompetena 4. Otra pregunta nteresante es la dependena del número de estados estables en funón de la nformaón dsponble por los jugadores o s es posble o no tener al menos una onfguraón de equlbro de ash. Esta últma uestón es la que abordamos aquí. Llamaremos onetvdad,, a la fraón de elementos del sexo opuesto que ada jugador onoe. El aso orresponde al de nformaón ompleta, mentras que 0 es el aso en que hay un desonomento total de los elementos de sexo opuesto, y por tanto no exsten estados de nngún tpo. Para un valor fjado de, los elementos desonodos se esogen al azar on probabldad - a partr de la lsta ompleta. Una nstana del problema on nformaón 0.5 es la sguente: Aquí se han removdo la mtad de los elementos (apareen tahados) a partr de las matres de preferenas del ejemplo anteror (Tabla I). En este aso parejas omo (H,M ) no son posbles porque sus elementos no se onoen. Dremos que una pareja (H,M) es nestable s:. H y M se onoen.. Tanto H omo M se preferen mutuamente a sus atuales ónyuges. El equlbro de ash on nformaón lmtada segurá sendo el estado en el que no exsten Parejas Inestables. Queremos determnar la probabldad () de que se pueda asgnar parejas a los jugadores de forma que se obtenga un estado estable en el que todo el mundo se enuentra asado. Para alular () demostramos una equvalena entre el problema on nformaón nompleta y un problema on nformaón ompleta. Usando resultados prevos del problema on nformaón ompleta, obtenemos una expresón para ( ). Llamemos G() una nstana del problema on nformaón nompleta (ver Tabla II). Defnamos G la nstana que se obtene uando se reordena una de las matres de preferenas (la de los hombres, por ejemplo) de forma que todos los elementos desonodos se ponen después de los onodos en G(), y estos mantenen su orden relatvo omo se muestra en la Tabla III. Tabla II Instana del problema G(0.5). Los elementos desonodos apareen tahados. Hombres Preferena 3 4 H M M M 3 M 4 H M 4 M 3 M M H 3 M 4 M M M 3 H 4 M 3 M M M 4 Mujeres Preferena 3 4 M H H 4 H H 3 M H 3 H H H 4 M 3 H H 4 H 3 H M 4 H H 3 H H 4 A ada estado Π del problema G() le orresponde el msmo estado Π en el problema G en el que ahora todos los hombres están asados on una de sus prmeras mujeres, pues entre + y están ubadas las mujeres desonodas en el problema G(), que no pueden por tanto perteneer a nngún estado. En ambo s Π es un estado ualquera en G, solo será un estado en G() s umple la ondón. En ese aso dremos que Π G(). Tabla III Instana G dervada de la nstana de la Tabla II on onetvdad 0.5. La matrz de los hombres se ha reordenado y se onsdera nuevamente el aso on nformaón ompleta. Hombres Preferena 3 4 H M M 4 M M 3 H M M M 4 M 3 H 3 M 4 M 3 M M H 4 M 3 M M M 4 Mujeres Preferena 3 4 M H H 4 H H 3 M H 3 H H H 4 M 3 H H 4 H 3 H M 4 H H 3 H H 4 Probemos el sguente teorema: T0: S Π G(), entones una pareja (H,M) es nestable en G() s y solo s es nestable en G. Demostraón: otemos prmero que a los efetos de la nestabldad de una pareja solo mporta s H y M se gustan más mutuamente que lo que gustan de sus atuales ónyuges, es der, solo mporta la posón relatva en la lsta de preferenas. Hay dos asos a analzar. S los jugadores H y M se onoen en G(), entones las posones relatvas de los elementos 83 x
5 onodos no ambó al pasar de G() a G y por tanto tampoo amba el análss de la onvenena de formar un nuevo matrmono (H,M). S los elementos H y M no se onoen, entones nuna serán una pareja nestable en G() (ver defnón), y tampoo lo serán en G pues H está asado en el estado atual on una mujer que onoe, y por tanto oupa una de las prmeras posones en sus lstas, mentras que M está después de la posón por lo ual nuna H la preferrá a su atual pareja. LQQD. Usando el anteror teorema se pueden demostrar de forma senlla los sguentes: T: S un estado es estable en G(), lo es en G. T: S un estado Π estable en G pertenee a G(), entones tambén es un estado estable en G(). T3: S el resultado Π del algortmo Gale Shapley en G pertenee a G(), entones tambén es el resultado del algortmo Gale Shapley en G(). T4: S Π G() entones no hay nngún estado estable en G() donde todos los jugadores estén asados. El últmo teorema se demuestra por reduón al absurdo a partr de T. Supongamos que exste un estado estable Π en G(). Como Π G(), al menos un hombre en el estado Π termnó asado on una mujer que oupa una posón entre + y en su lsta en G. En el estado Π, que en vrtud de T tambén es estable en G, este hombre se enuentra on una mujer más gustada, lo ual ontrade que Π sea el óptmo para los hombres en G. LQQD. Otra forma de esrbr T4 nos será útl a la hora de alular la probabldad de que exstan estados estables on nformaón lmtada: T4 (Corolaro): El problema G() tene al menos un estado estable s y solo s el resultado del algortmo Gale Shapley en G pertenee a G(). Hemos heho una equvalena entre la exstena de estados estables en el problema on nformaón nompleta y erta propedad del estado óptmo para los hombres en el problema on nformaón ompleta dervado. Este resultado no fuera muy útl para alular () de no ser por el sguente: T5: Las propedades estadístas del problema dervado G son las msmas que la del problema de los matrmonos on nformaón ompleta y lstas de preferenas aleatoras. Esto se debe a que el reordenamento heho en las lstas de preferenas no mpla nnguna orrelaón entre las lstas. De esta forma todas las expresones obtendas para el problema de los matrmonos son valdas para los problemas dervados. En la ref. [0] se demuestra que la probabldad de enontrar un hombre on energía q en un estado estable donde las mujeres tenen una energía meda de r, es: q r r PH ( q) (3) Además, omo tamos antes, es un resultado onodo que en el estado Π las mujeres tenen omo promedo una energía r Y. Vamos a log alular la probabldad de que un hombre quede asado on una mujer que esta más allá de la posón en su lsta de preferenas omo: r r F( ) PH ( q) + (4) q + En vrtud de T4 el problema G() tendrá al menos un estado estable s todos los hombres quedan asados on una de sus prmeras opones en el estado Π de G. Esto tendrá una probabldad: P ( ) F( ) es + ( ) r r r r ( + e e ) Esta es la relaón que estábamos busando y aparee grafada en Fgura junto on el resultado numéro de las smulaones hehas para sstemas de dstntos tamaños. Fgura. Se muestra el resultado analíto obtendo en la euaón (5) junto on los resultados numéros promedados sobre 03 nstanas del problema de los matrmonos El ajuste es bastante bueno, espealmente en lo que refere al ambo de omportamento entre los sstemas on estados estables y aquellos que no lo tenen. Una forma de estmar la onetvdad ríta que defne el ambo de omportamento de los sstemas es a través de la relaón P ( ) Haendo algunas aproxmaones valdas para valores grandes de obtenemos: (5) 84
6 0.5 ( e P( ) r ) e log e Un resultado semejante obtuveron Dzerzawa y Omero onsderando en vez de nformaón nompleta el aso en que tanto hombres omo mujeres tenen una aeptaón umbral para sus parejas. Esto quere der que aunque se tenga opnón de todas las posbles parejas, es preferble quedar soltero a ompartr una relaón on una persona que está más allá de la posón en nuestra lsta, donde es el umbral de aeptaón y juega el papel de la onetvdad. El resultado de Dzerzawa y Omero es que s los hombres y mujeres ajustan su umbral al valor ríto, no mporta qué sexo tome la natva, se llega a un estado estable que es smétro en energía para hombres y mujeres. El heho de que este estado se obtenga justo para el valor ríto de la onetvdad tene tambén la mplaón de que se hae menos probable enontrar un estado estable en el que todos tengan pareja. Conlusones En el estudo del problema de los matrmonos on nformaón nompleta hemos demostrado la equvalena entre este problema y uno dervado on nformaón ompleta. Los teoremas presentados, y en espeal el T, T y T5 pueden ser de utldad en trabajos posterores sobre este modelo. Basados en T4 y T5 y usando resultados onodos del problema de los matrmonos on nformaón ompleta, obtuvmos una expresón para la probabldad () de que exstan estados estables en que todos los elementos estén asados. La forma de la funón () y el valor de obtendo permten lasfar a las nstanas G() del problema de los matrmonos on nformaón lmtada en dos grupos según > r (6) < ó. En el prmero de los asos, es mposble lograr una asgnaón estable de parejas a todos los jugadores. Tomando lteralmente el problema de los matrmonos omo modelo de las relaones de pareja en la soedad, y olvdando por un momento las sobresmplfaones del modelo, en una poblaón de Mllones de personas, donde 6M son de un sexo y 6M del otro, y alrededor de /6 de ada sexo (M) tenen una edad que no dsta más de 5 años de la nuestra, habría que onoer un promedo de log log M 90 personas del sexo opuesto o más para garantzar una asgnaón estable de parejas a ada persona. Referenas. Y.C. Zhang, Modelng Market Mehansm wth Evolutonary Games, Europhys. ews 9, 5 (998).. D. Challet and Y.-C. Zhang, Emergene of Cooperaton and Organzaton n an Evolutonary Game, Physa A 46 : (997). 3. Barbara Drossel, Bologal Evoluton and Statstal Physs, Advanes n Physs, 50 (00). 4. Y-Cheng Zhang, Happer World wth More Informaton, Physa A 99 (-) pp. 04-0, (00). 5. Paolo Lauret and Y-Cheng Zhang, Mathng games wth partal nformaton, Physa A, Volume 34, Issue -, p (003). 6. Alejandro Lage-Castellanos and Roberto Mulet, Physa A, 364: (006). 7. Stephan Mertens, Random Stable Mathngs, J. Stat. Meh. P0008 (005). 8. M. Mezard and G. Pars, J. Physque Lett. 46, L-77 (985) 9. Th. M. euwenhzen, The marrage problem and the fate of bahelors, Physa A 5: (998). 0. M.-J. Omero, M. Dzerzawa, M. Marsl and Y.-C. Zhang, J Physque I Frane 7: (997).. M. Dzerzawa and M.J. Omero, Physa A, 87: 3-33 (000).. Robert Gbbons, A prmer n game theory, (Ed. By Harvester Wheatsheaf, London,99). 3. D. Gale and L. S. Shapley, Am. Math. Monthly 69, 9 (96). 4. D. Gusfeld and R.W. Irvng, The Stable Marrage Problem: Struture and Algorthms, The MIT Press (Cambrdge, Massahusetts; London, UK; 989). 85
Figura 77. Tabla de los costes de transporte de la operativa actual según las dos metodologías.
6. CONCLUSIONES: VALORACIONES DE LOS COSTES DE TRANSPORTE: Reogemos aquí de nuevo los resultados de la valoraón de los ostes de transporte de la operatva atual obtendos a través de las dos metodologías
Más detallesTeoría de juegos y empresa: un modelo de alianza - depredación
Equlbro Eonómo, ño IX, Vol. 4 No. 1, pp. 5-16 Prmer Semestre de 008 Teoría de juegos y empresa: un modelo de alanza - depredaón Jesús ntono Garía Hernández Conepón Reyes de la Cruz Jesús ntono Garía Hernández
Más detallesVaporización y condensación parcial de equilibrio
Vaporaón y ondensaón paral de equlbro El separador flash en equlbro es el más senllo de los proesos de etapas de equlbro on el que se puede enontrar un dseñador. Aún uando ntervene solamente una etapa,
Más detallesProbabilidad condicional
robabldades y Estadísta Computaón Faultad de Cenas Exatas y Naturales Unversdad de uenos res na M. ano y Elena J. Martínez 00 robabldad ondonal Consderemos una urna que ontene bolllas roas y 5 blanas.
Más detallesLaboratorio 9. Equilibrio de distribución de un soluto en solventes inmiscibles
Laboratoro 9. Equlbro de dstrbuón de un soluto en solventes nmsbles Objetvo Determnar el oefente de dstrbuón de ádo aéto en el sstema agua/loroformo y agua/éter. Además, se determnará la efena de extraón
Más detallesTEMA 6: INTERDEPENDENCIA COMPETENCIA
TEMA 6: INTERDEPENDENCIA ESTRATEGICA Y MODELOS DE COMPETENCIA. Competena en antdades: Modelos de Cournot. La ompetena perfeta omo límte de ompetena en antdades entre gran número de empresas. Competena
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesSoluciones Hoja 2: Relatividad (II)
Soluones Hoja 2: Relatdad II Dos naes espaales déntas y, on longtud en reposo l km, aanzan paralelas la una a la otro on elodades /2 y /4, respetamente, on respeto a un sstema de referena neral S Inalmente,
Más detallesLaboratorio 9. Equilibrio de distribución de un soluto en solventes inmiscibles
Laboratoro 9. Equlbro de dstrbuón de un soluto en solventes nmsbles Objetvo Determnar el oefente de dstrbuón de ádo aéto en el sstema agua/loroformo y agua/éter. Además, se determnará la efena de extraón
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa
Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,
Más detallesMATEMATICA APLICADA A LA ECONOMIA TEORIA DE LAS DECISIONES Y TEORIA DE JUEGOS
Prof. Antono Badan MAHAVE PROFESOR EN MAT EMÁT ICA, FÍSICA Y COSMOGRAFÍA, EGRESADO DE LA FACULTAD DE CIENCIAS EXACTAS, FÍSICAS Y AGRIMENSURA DE LA UNIVER SIDAD NACIONAL DEL NORDESTE. Profesor de la Unversdad
Más detallesUN POCO DE HISTORIA Prof. Teuvo Kohonen UN POCO DE HISTORIA
Self-Organzng Maps 1. Defnón.. Un poo de hstora. CONTENIDO 3. Desrpón del algortmo. L. Pablo Sergo Garía 4. Ejemplos en ejeuón. 5. Problemas 6. Aplaones. DEFINICIÓN El SOM es un algortmo para vsualzar
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas
Más detallesPLANTEAMIENTO DE PROBLEMAS DE EQUILIBRIO
FACUTAD DE QUÍMICA Maestría En Ingenería Químa TERMODINÁMICA QUÍMICA Semestre 00- PANTEAMIENTO DE PROBEMAS DE EQUIIBRIO Un problema de equlbro de fases es aquel en donde dos o más fases están en ontato
Más detallesSISTEMA DIÉDRICO I Intersección de planos y de recta con plano TEMA 8 INTERSECCIONES. Objetivos y orientaciones metodológicas. 1.
Objetvos y orentacones metodológcas SISTEMA DIÉDRICO I Interseccón de planos y de recta con plano TEMA 8 Como prmer problema del espaco que presenta la geometría descrptva, el alumno obtendrá la nterseccón
Más detallesCESMA BUSINESS SCHOOL
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta
Más detallesLa efectividad de la política fiscal en el Perú:
La efetvdad de la políta fsal en el Perú: 98-26 Waldo Mendoza PUCP y Karl Melgarejo UNALM 2 Cuál es el efeto de la políta fsal sobre el nvel de atvdad eonóma? A nvel teóro, la respuesta depende de los
Más detallesCAMPOS DE VELOCIDADES DE LOS DISCOS
CAMPOS DE VELOCIDADES DE LOS DISCOS Los dscos galáctcos se modelan como anllos crculares concéntrcos. S Ω es la velocdad angular del anllo y r el vector que va hasta el centro, sendo n el vector untaro
Más detalles9 FUENTES CONTROLADAS
9 FUENTES CONTOLDS 9 FUENTES CONTOLDS...38 9. INTODUCCIÓN....39 9. IMPEDNCIS COMO FUENTES CONTOLDS....39 9.3 TNSFOMDOES Y MPLIFICDOES...34 9.4 MPLIFICDOES DE GNNCI INFINIT....348 9.5 MPLIFICDO INVESO Y
Más detallesTEMA 1. MÉTODOS APROXIMADOS PARA EL CÁLCULO DE OPERACIONES DE SEPARACIÓN DE MEZCLAS MULTICOMPONENTES
Unversdad de Alante. Dpto. Ingenería Químa Amplaón de Operaones de Separaón.. Métodos apromados TEMA. MÉTODOS APROXIMADOS PARA EL CÁLCULO DE OPERACIONES DE SEPARACIÓN DE MEZCLAS MULTICOMPONENTES. INTRODUCCIÓN
Más detallesNos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.
Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la
Más detalles3.1. Características del comportamiento estratégico Características del comportamiento estratégico
3.1. Característcas del Matlde Machado 1 3.1. Característcas del El análss formal de una stuacón de empeza por la formulacón de un juego. Componentes de un juego: Jugadores Estrategas posbles para cada
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesClase Auxiliar #1: Teoría de Juegos
UNIVERSIDAD DE CHILE FAC DE CIENCIAS FÍSICAS Y MATEMÁTICAS Departamento de Ingenería Industral Curso: IN5A Economía Industral Semestre: Prmavera 7 Profesor: Ronald Fscher Auxlares: Klaus Kaempfe Sofía
Más detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesFISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA
FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que
Más detallesPROBLEMAS RESUELTOS ÁLGEBRA LINEAL Tema 2. Espacios Vectoriales TEMA: MATRIZ DE TRANSICIÓN Y VECTOR DE COORDENADAS
PROLEMS RESUELTOS ÁLGER LINEL Tema. Espaos Vetorales TEM: MTRIZ DE TRNSICIÓN Y VECTOR DE COORDENDS Problema : Sean las bases y de un espao vetoral defndo sobre los números omplejos:, 0,,,, {( ) ( )} (,,
Más detalles3 LEYES DE DESPLAZAMIENTO
eyes de desplazamento EYES DE DESPAZAMIENTO En el capítulo dos se expone el método de obtencón de las leyes de desplazamento dseñadas por curvas de Bézer para mecansmos leva palpador según el planteamento
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesEstadísticos muéstrales
Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día
Más detallesPoblación: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.
Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco
Más detallesGERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES
GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que
Más detallesAnálisis del caso promedio. Técnicas Avanzadas de Programación - Javier Campos 70
Análss del caso promedo Técncas Avanzadas de Programacón - Javer Campos 70 Análss del caso promedo El plan: Probabldad Análss probablsta Árboles bnaros de búsqueda construdos aleatoramente Tres, árboles
Más detallesESTADÍSTICA. Definiciones
ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesSEGUNDA PARTE RENTAS FINANCIERAS
SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de
Más detallesControl Estadístico de las Mediciones (Aplicación a la calibración de pesas)
Control Estadísto de las Medones (Aplaón a la albraón de pesas) Lus Oar Beerra antago Resuen: En etrología, y en espeal en laboratoros de albraón y pruebas es portante antener bajo ontrol etrológo los
Más detallesPROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.
Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en
Más detallesCapítulo 11. Movimiento de Rodamiento y Momentum Angular
Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detallesCapítulo 11. Movimiento de Rodamiento y Momentum Angular
Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular
Más detalles3.1. Características del comportamiento estratégico Características del comportamiento estratégico
3.1. Característcas del Matlde Machado 1 3.1. Característcas del El análss formal de una stuacón de empeza por la formulacón de un juego. Componentes de un juego: Jugadores Estratégas posbles para cada
Más detallesAPLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES
APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral
Más detalles1. Lección 7 - Rentas - Valoración (Continuación)
Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento
Más detallesRentas o Anualidades
Rentas o Anualdades Patrca Ksbye Profesorado en Matemátca Facultad de Matemátca, Astronomía y Físca 10 de setembre de 2013 Patrca Ksbye (FaMAF) 10 de setembre de 2013 1 / 31 Introduccón Rentas o Anualdades
Más detallesCAPÍTULO 1: VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES
CAÍTULO : VARIABLES ALEATORIAS SUS DISTRIBUCIONES En este capítulo el alumno debe abordar el conocmento de un mportante concepto el de VARIABLE ALEATORIA tpos de varables aleatoras cómo se dstrbue la funcón
Más detallesCLAVE - Laboratorio 1: Introducción
CLAVE - Laboratoro 1: Introduccón ( x )( x ) x ( xy) x y a b a b a a a ( x ) / ( x ) x ( x ) x a b a b a b ab n! n( n 1)( n 2) 1 0! 1 x x x 1 0 1 (1) Smplfque y evalúe las sguentes expresones: a. 10 2
Más detallesVariables Aleatorias
Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.
Más detallesUn nuevo algoritmo de búsqueda de sistemas de trading bursatil a corto plazo basado en GAPs
Un nuevo algortmo de búsqueda de sstemas de tradng bursatl a orto plazo basado en GAPs Manuel E. Fernández Garía Enrque A. de la Cal Marín Raquel Quroga Garía Dpto. de Informáta Dpto. de Informáta Dpto.
Más detallesEJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.
EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesTIPOS DE FLUJO. Tomaremos para analizar
IPOS E FLUJO Muhos sstemas de utldad práta nvoluran flujos bdmensonales, lo ual torna ompleja la resoluón matemáta de la stuaón, por ello se plantearon asos límte de omportamento de flujo: FLUJO IVISCIO
Más detallesEstudio de la difusión de calor en sistemas de dos capas de GaAs/GaSb unidos mediante la técnica de fusión
Superfes y Vao 8, 94-98(999) Soedad Mexana de Cenas de Superfes y de Vaío. Estudo de a dfusón de aor en sstemas de dos apas de GaAs/GaSb undos medante a téna de fusón R. A. Muñoz Hernández y A. Caderón
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesTRABAJO DE FIN DE CARRERA
TRABAJO DE FI DE CARRERA TITULO DEL TFC: avegaón en el sstema solar empleando asterodes omo referena TITULACIO: Engnyera Tèna Aeronàuta, espealtat Aeronavegaó AUTOR: José Lus Cha Bermejo DIRECTOR: Jord
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesTema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO)
Tema 8: DESIGUALDAD, REDISTRIBUCIÓN Y POBREZA Xsco Olver 20610 - Economía del Benestar (2º GECO) Motvacón Benestar: el objetvo últmo del Estado es maxmzar el benestar El benestar se obtene a partr de las
Más detallesColección de problemas de. Poder de Mercado y Estrategia
de Poder de Mercado y Estratega Curso 3º - ECO- 013-014 Iñak Agurre Jaromr Kovark Javer Arn Peo Zuazo Fundamentos del Análss Económco I Unversdad del País Vasco UPV/EHU Tema 3. Monopolo 1. Los costes de
Más detallesELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 (6a)
ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 Rcardo Ramírez Facultad de Físca, Pontfca Unversdad Católca, Chle 1er. Semestre 2008 Corrente eléctrca CORRIENTE ELECTRICA Corrente eléctrca mplca carga en movmento.
Más detallesDicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los sucesos A y A c se les ha asociado los sucesos B y B c.
Estadístca robablístca 6. Tablas de contngenca y dagramas de árbol. En los problemas de probabldad y en especal en los de probabldad condconada, resulta nteresante y práctco organzar la nformacón en una
Más detallesMecánica Clásica ( Partículas y Bipartículas )
Mecánca lásca ( Partículas y Bpartículas ) Alejandro A. Torassa Lcenca reatve ommons Atrbucón 3.0 (0) Buenos Ares, Argentna atorassa@gmal.com Resumen Este trabajo consdera la exstenca de bpartículas y
Más detallesSEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN
Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de
Más detallesEstimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores
Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca
Más detallesAnálisis de la varianza de un factor
Análss de la varanza de un factor El test t de muestras se aplca cuando se queren comparar las medas de dos poblacones con dstrbucones normales con varanzas guales y se observan muestras ndependentes para
Más detalles8 MECANICA Y FLUIDOS: Calorimetría
8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS
Más detallesMODELAJE DEL BJT. Por tanto, el equivalente de ca para una red se obtiene por medio de:
MODELAJE DEL BJT NTRODUCCON. Un mdel es la mnaón de elements de rut, selenads adeuadamente, que mejr aprxman el mprtament real de un dspstv semndutr en ndnes espeías de peraón. Pr tant, el equvalente de
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesConsideremos un sólido rígido sometido a un sistema de fuerzas en equilibrío, es decir
1. PRINIPIO E TRJOS VIRTULES El prncpo de los trabajos rtuales, en su ertente de desplazamentos rtuales, fue ntroducdo por John ernoull en 1717. La obtencón del msmo dera de la formulacón débl (o ntegral)
Más detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesEsfuerzos y herencias
S E R I E estudos y perspetvas OFICINA DE LA CEPAL EN BOGOTÁ 12 Esfuerzos y herenas soales en la desgualdad de ngresos en Colomba Jaro Núñez Juan Carlos Ramírez Bbana Taboada Bogotá, ulo de 2006 Este estudo
Más detallesLa representación Denavit-Hartenberg
La representacón Denavt-Hartenberg José Cortés Parejo. Marzo 8 Se trata de un procedmeto sstemátco para descrbr la estructura cnemátca de una cadena artculada consttuda por artculacones con. un solo grado
Más detallesSEMANA 13. CLASE 14. MARTES 20/09/16
SEMAA 3. CLASE. MARTES 20/09/6. Defncones de nterés.. Estadístca descrptva. Es la parte de la Estadístca que se encarga de reunr nformacón cuanttatva concernente a ndvduos, grupos, seres de hechos, etc..2.
Más detalles75.12 ANÁLISIS NUMÉRICO I. TRABAJO PRÁCTICO Nº 1 1er. Cuatrimestre Modelo simplificado de un horno de calentamiento de planchones de acero
Análss umérco I acultad de Ingenería-UBA 75.2 AÁLISIS UMÉRICO I ACULAD DE IGEIERÍA UIVERSIDAD DE BUEOS AIRES RABAJO PRÁCICO º er. Cuatrmestre 200 Modelo smplfcado de un horno de calentamento de planchones
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia
Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,
Más detalles, x es un suceso de S. Es decir, si :
1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesINICIACIÓN A LA ESTADÍSTICA. ACTIVIDADES DE AUTOEVALUACIÓN DE LA UNIDAD ESTADÍSTICA. (SOLUCIONES)
ACTIVIDADES DE AUTOEVALUACIÓ DE LA UIDAD ESTADÍSTICA. (SOLUCIOES) 1. D, en cada caso, cuál es la varable que se quere estudar y especfca de qué tpo es: Tempo dedcado a las tareas doméstcas por parte de
Más detallesGráficos de flujo de señal
Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo
Más detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesUniversitas Scientiarum ISSN: Pontificia Universidad Javeriana Colombia
Unverstas Scentarum ISS: 0-7483 revstascentfcasjaverana@gmal.com Pontfca Unversdad Javerana Colomba Aranda, Mosés; Molna, Fabo; Moreno, Vladmr EL PROBLEMA DEL CUMPLEAÑOS, UA GEERALIZACIÓ Unverstas Scentarum,
Más detallesCONJUNTOS. Según se ha visto en el ejercicio anterior, para que la intersección de dos conjuntos A y B sea A, se tiene que verificar que A B.
CONJUNTOS 1. Si se umple: a) = b) = ) = (Convoatoria junio 2001. Examen tipo E ) Es laro que la opión orreta es la a). Cuando un onjunto está dentro de otro, la interseión es el onjunto pequeño y la unión
Más detallesFACULTAD DE INGENIERÍA U N A M
FCULTD DE INGENIERÍ U N M Irene atrca Valdez y lfaro renev@servdor.unam.mx T E M S DEL CURSO 1. nálss Estadístco de datos muestrales. 2. Fundamentos de la Teoría de la probabldad. 3. Varables aleatoras.
Más detallesCapítulo V. Teoremas de Fermat, Euler y Wilson
Capítulo V Teoremas de Fermat, Euler y Wlson En este capítulo utlzamos los conceptos desarrollados en dvsbldad y conteo para deducr tres teoremas báscos de la teoría de números. En el próxmo capítulo,
Más detallesCifrado de imágenes usando autómatas celulares con memoria
Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano
Más detallesOPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final
OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron
Más detallesTEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS
ESTADÍSTICA I TEMA VII. VARIABLE ALEATORIA. CLASIFICACIÓN Y CARACTERISTICAS VII.1.- Varable aleatora. Clasfcacón. VII.1.1.- Introduccón. VII.1..- Defncón. VII.1.3.- Clasfcacón. VII..- Caracterzacón de
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detallesMaterial realizado por J. David Moreno y María Gutiérrez. Asignatura: Economía Financiera
Tema - MATEMÁTICAS FINANCIERAS Materal realzado por J. Davd Moreno y María Gutérrez Unversdad Carlos III de Madrd Asgnatura: Economía Fnancera Apuntes realzados por J. Davd Moreno y María Gutérrez Advertenca
Más detallesGeometría y Cinemática. Control y Programación de Robots
Geometría y Cnemáta Control y Programaón de Robot Cnemáta de un Robot Manpulador Cnemáta dreta Cnemáta Invera Matrz Jaobana Cnemáta de un Robot Manpulador Cnemáta del robot : Etudo de u movmento on repeto
Más detallesMétodos específicos de generación de diversas distribuciones discretas
Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de
Más detalles