Introducción a la teoría clásica de matrices aleatorias
|
|
- Manuel Gutiérrez Díaz
- hace 6 años
- Vistas:
Transcripción
1 Introducción a la teoría clásica de matrices aleatorias Primera Parte: Qué es una matriz aleatoria? El GOE(2) como primer ejemplo Eduardo Duéñez Departmento de Matemáticas Universidad de Texas en San Antonio XXXIII Aniversario Físico-Matemáticas U. A. Sinaloa, Octubre 2015 Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 1 / 27
2 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 El Conjunto Gaussiano Ortogonal GOE 2 Variables Aleatorias Continuas Considere una función y = p(x) (x real) que satisface: 1 p es integrable. 2 p(x) 0 para toda x. 3 p(x)dx = 1. R Entonces p es la función de densidad de probabilidad (FDP) de una variable aleatoria X. La probabilidad de que X tome un valor en cierto intervalo [a, b] es Prob(a X b) = b a p(x)dx. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 2 / 27
3 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 El Conjunto Gaussiano Ortogonal GOE 2 Ejemplo: Variable Aleatoria Gaussiana Figura : La función de densidad de probabilidad de una variable aleatoria gaussiana, también conocida como la curva normal o de Bell. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 3 / 27
4 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 El Conjunto Gaussiano Ortogonal GOE 2 El Conjunto Gaussiano Ortogonal GOE 2 : matrices 2 2 reales simétricas Sea ( ) a b S = b c una matriz real simétrica de 2 2. Sean sus entradas variables aleatorias gaussianas independientes A, B, C, donde f A (a) = 1 2π e 1 2 a2, f B (b) = 1 π e b2, f C (c) = 1 2π e 1 2 c2. La matriz S es una variable aleatoria que está completamente determinada por los valores a, b, c de las tres variables aleatorias A, B, C. La FDP (conjunta) de la matriz S es: f S (a, b, c) = 1 2 π 3 e 1 2 (a2 +2b 2 +c 2) = 1 2 π 3 e 1 2 Tr(S2). Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 4 / 27
5 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La Probabilidad de Eigenvalores de GOE 2 La FDP de los Eigenvalores de GOE 2 La FDP f S (a, b, c) del GOE 2 en principio permite encontrar la respuesta a preguntas como la siguiente: Pregunta Cuál es la probabilidad de que una matriz S GOE 2 tenga un eigenvalor λ [p, q], y otro µ [r, s]? Lo que efectivamente necesitamos es relacionar los eigenvalores λ, µ con las entradas a, b, c. Recordemos que S, siendo real y simétrica, debe tener dos eigenvectores v 1, v 2 R 2. Podemos incluso suponerlos normalizados para tener longitud 1. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 5 / 27
6 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La Probabilidad de Eigenvalores de GOE 2 La FDP de los Eigenvalores de GOE 2 Ejercicio Demostrar que, para un cierto ángulo θ [0, 2π) apropiado, podemos escribir los eigenvectores así: v 1 = (cos θ, sin θ) y v 2 = ( sin θ, cos θ). Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 6 / 27
7 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La Probabilidad de Eigenvalores de GOE 2 La FDP de los Eigenvalores de GOE 2 Las columnas de la matriz de 2 2 R = ( v 1, ( ) cos θ sin θ v 2 ) = sin θ cos θ son vectores unitarios ortogonales (perpendiculares). A una tal matriz R de n n se le llama matriz ortogonal. Se le puede caracterizar por la propiedad equivalente: R 1 = R T. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 7 / 27
8 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La Probabilidad de Eigenvalores de GOE 2 La FDP de los Eigenvalores de GOE 2 Recuerde que los eigenvalores λ, µ de una matriz real simétrica son reales, así que se puede diagonalizar la matriz S usando la matriz ortogonal R: ( ) ( ) ( ) ( ) a b cos θ sin θ λ cos θ sin θ = b c sin θ cos θ µ sin θ cos θ S = R Λ R 1. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 8 / 27
9 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La Probabilidad de Eigenvalores de GOE 2 La FDP de los Eigenvalores de GOE 2 Es natural formular preguntas involucrando simultáneamente los eigenvalores de la matriz S y el ángulo θ. Pregunta Cuál es la probabilidad de que λ, µ sean positivos (mientras que θ es arbitrario, es decir, un ángulo cualquiera en [0, 2π))? La respuesta está dada por una integral: Prob(λ > 0, µ > 0) = f S (a, b, c)da db dc donde R es cierta región complicada que consiste de los valores (a, b, c) para los cuales la matriz S tiene eigenvalores positivos. R Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 9 / 27
10 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La Probabilidad de Eigenvalores de GOE 2 La FDP de los Eigenvalores de GOE 2 Desafío Evaluar la integral sobre la región 1 2 π 3 R e 1 2 (a2 +2b 2 +c 2) da db dc R = {(a, b, c) a > 0, ac b 2 > 0}. (Nótese que R parametriza precisamente la región de matrices ( ) a b b c que tienen eigenvalores positivos.) Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 10 / 27
11 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La Probabilidad de Eigenvalores de GOE 2 La FDP de los Eigenvalores de GOE 2 Necesitamos cambiar variables de a, b, c a λ, µ, θ. La factorización S = RΛR 1 dice: a = λ cos 2 θ + µ sin 2 θ b = (λ µ) cos θ sin θ c = λ sin 2 θ + µ cos 2 θ. Obsérvese, sin embargo, que la aplicación (R, Λ) S := RΛR 1 no es uno a uno, sino (genéricamente) cuatro a uno. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 11 / 27
12 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La Probabilidad de Eigenvalores de GOE 2 La FDP de los Eigenvalores de GOE 2 Proposición El jacobiano del cambio de variables de a, b, c a λ, µ, θ es µ λ. Demostración. (a, b, c) (λ, µ, θ) = cos 2 θ sin 2 θ 2(λ µ) sin θ cos θ cos θ sin θ cos θ sin θ (λ µ)(cos 2 θ sin 2 θ) sin 2 θ cos 2 θ 2(λ µ) sin θ cos θ cos 2 θ sin 2 θ 2 sin θ cos θ = (λ µ) cos θ sin θ cos θ sin θ (cos 2 θ sin 2 θ). sin 2 θ cos 2 θ 2 sin θ cos θ }{{} =(sin 2 θ+cos 2 θ) 3 =1 (ejercicio) Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 12 / 27
13 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La Probabilidad de Eigenvalores de GOE 2 La FDP de los Eigenvalores de GOE 2 Observe que S 2 = ( a 2 + b 2 ) ab + bc ab + bc b 2 + c 2, así que e 1 2 a2 b c2 = e 1 2 (a2 +2b 2 +c 2) = e 1 2 Tr S2 = e 1 2 (λ2 +µ 2). En resumidas cuentas, Prob(λ > 0, µ > 0) = = 2π π µ λ e 1 2 (λ2 +µ 2 ) 8 π 3 dλ dµ dθ µ λ e 1 2 (λ2 +µ 2 ) 4 π dλ dµ dθ 2π. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 13 / 27
14 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La Probabilidad de Eigenvalores de GOE 2 La FDP de los Eigenvalores de GOE 2 Definición La función ɛ(λ, µ) = 1 4 π µ λ e 1 2 (λ2 +µ 2 ) es la densidad de probabilidad (conjunta) de los eigenvalores de GOE 2. Ejercicio ɛ(λ, µ) es una densidad de probabilidad conjunta: ɛ(λ, µ) = 1 R 2 4 µ λ e 1 2 (λ2 +µ 2) dµ dλ = 1. π Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 14 / 27
15 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La Probabilidad de Eigenvalores de GOE 2 La FDP de los Eigenvalores de GOE 2 Ejercicio Prob(λ > 0, µ > 0) = 1 4 π 0 = ,15). µ λ e 1 2 (λ2 +µ 2) dµ dλ Por tanto, la probabilidad de que ambos eigenvalores de una matrix GOE 2 sean positivos es aproximadamente 15 %. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 15 / 27
16 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La Probabilidad de Eigenvalores de GOE 2 La FDP de los Eigenvalores de GOE 2 Figura : Densidad (conjunta) de eigenvalores de GOE 2 en el plano λ-µ (amarillo = alta densidad). Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 16 / 27
17 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 Repulsión de Eigenvalores en GOE 2 Repulsión de Eigenvalores Pregunta Por qué es la probabilidad de que ambos eigenvalores de una matriz GOE 2 sean positivos tan pequeña (cerca de 15 % en vez de 25 %)? La respuesta la da el factor µ λ : nos revela que a los eigenvalores les choca juntarse. Ejercicio Pruebe que la densidad de probabilidad de la distancia ( hueco ) s := µ λ es p(s) = s 2 e s2 /4 para s 0. (Hecho originalmente descubierto por el físico E. Wigner.) Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 17 / 27
18 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 Repulsión de Eigenvalores en GOE 2 La Densidad de Probabilidad p(s) de los Huecos de GOE 2. Figura : La FDP p(s) = (s/2)exp( s 2 /4) para la variable s = µ λ que da la longitud del hueco entre eigenvalores de GOE 2. El hueco promedio tiene longitud 0 s p(s)ds = π 1,77. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 18 / 27
19 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La 1-Densidad de Eigenvalores de GOE 2 1-Densidad de Eigenvalores en GOE 2 Pregunta Cuál es la distribución de un solo eigenvalor de matriz GOE 2? La respuesta está dada por la PDF marginal con respecto a cualquiera de las variables de la PDF de los eigenvalores ɛ(λ, µ): δ(λ) := ɛ(λ, µ) dµ. Ejercicio δ(λ) = λe 1 2 λ λ 2π e 1 2 µ2 dµ } λ {{ } erf(λ) π e λ2. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 19 / 27
20 Qué es una Matriz Aleatoria? Ejemplo: GOE 2 La 1-Densidad de Eigenvalores de GOE 2 1-Densidad de Eigenvalores en GOE 2 Figura : 1-densidad de eigenvalores de GOE 2. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 20 / 27
21 Matrices Aleatorias Gaussianas y Física Cuántica Mecánica Cuántica Niveles de Energía de Sistemas Cuánticos Complicados Las matrices aleatorias fueron introducidas por el físico E. Wigner para estudiar la distribución de los niveles de energía de sistemas cuánticos complicados. El hamiltoniano del sistema cuántico (digamos, un átomo) es un operador (similar a una matriz de tamaño infinito). Se obtiene una buena aproximación al comportamiento estadístico observado en los niveles de energía al remplazar al hamiltoniano por una matriz grande y a los niveles de energía por sus eigenvalores. siempre y cuando la matriz tenga las mismas simetrías que el hamiltoniano original. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 21 / 27
22 Matrices Aleatorias Gaussianas y Física Cuántica Mecánica Cuántica Histograma de Resonancias Neutrónicas Figura : Líneas de resonancia de 232 Th y 238 U en el rango ev. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 22 / 27
23 Matrices Aleatorias Gaussianas y Física Cuántica Familias Gaussianas Familias de Matrices Aleatorias {(S N, P N )} N=1,2,3,... es una familia de matrices aleatorias si: Cada S N es un espacio de probabilidad con medida de probabilidad P N. Los elementos (muestras) de S N son matrices del mismo tamaño que comparten alguna propiedad (misma estructura o simetría). El tamaño de las matrices en S N tiende a infinito conforme N. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 23 / 27
24 Matrices Aleatorias Gaussianas y Física Cuántica Familias Gaussianas Conjuntos Gaussianos de Matrices Aleatorias Conjunto Gaussiano Ortogonal (GOE): Sistemas físicos invariantes bajo inversión de la dirección del tiempo, espin total entero. Conjunto Gaussiano Unitario (GUE): Sistemas no invariantes bajo inversión de la dirección del tiempo. Conjunto Gaussiano Simpléctico (GSE): Sistemas invariantes bajo inversión de la dirección del tiempo, espin total medio entero. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 24 / 27
25 Matrices Aleatorias Gaussianas y Física Cuántica Familias Gaussianas Un Poco de Historia Datos experimentales de resonancias neutrónicas fueron obtenidos por físicos nucleares en los 1940 s y 1950 s. El fenómeno de repulsión de niveles de energía fue observado empíricamente (C. E. Moore, Harvey and Hughes, Rosen et al). En los 1950 s, E. P. Wigner introduce familias de matrices aleatorias reales simétricas así como complejas hermitianas de N N con entradas estadísticamente independientes (incluyendo las familias gaussianas) como modelo teórico del comportamiento estadístico de niveles de energía. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 25 / 27
26 Matrices Aleatorias Gaussianas y Física Cuántica Familias Gaussianas Un Poco de Historia Wigner prueba la Ley del Semicírculo (la cual describe la densidad de eigenvalores cuando N ). Wigner conjetura la distribución de los huecos (aunque su conjetura no era realmente correcta), basado en un argumento heurístico y en sus cálculos exactos con matrices pequeñas. En 1960, Porter y Rosenzweig analizan los datos experimentales y generan matrices tipo Wigner, encontrando relativamente buen acuerdo entre las estadísticas de los niveles de energía y los eigenvalores de las matrices. Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 26 / 27
27 Referencias Apéndice Referencias P. J. Forrester. Log-gases and random matrices, volume 34 of London Mathematical Society Monographs Series. Princeton University Press, Princeton, NJ, Madan Lal Mehta. Random Matrices, Volume 142, Third Edition. Academic Press, 3 edition, Nov F. Mezzadri and N. C. Snaith, editors. Recent perspectives in random matrix theory and number theory, volume 322 of London Mathematical Society Lecture Note Series. Cambridge University Press, Cambridge, Eduardo Duéñez (U. T. San Antonio) La familia GOE(2) 33 aniv.físico-matemática UAS 27 / 27
Matrices Aleatorias en Familias Gaussianas y Circulares
Matrices Aleatorias en Familias Gaussianas y Circulares Parte 2: Las Familias de Matrices Gaussianas y Circulares Departmento de Matemáticas Universidad de Texas en San Antonio Escuela de Matrices Aleatorias
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 5 Resumen Unidad n 3
Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 5 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se
Más detallesDefinición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo un intervalo (finito o infinito) de números
IV. Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 1 Variable Aleatoria Continua Definición Se dice que una variable aleatoria X es continua si su conjunto de posibles valores es todo
Más detallesCálculo de probabilidad. Tema 3: Variables aleatorias continuas
Cálculo de probabilidad Tema 3: Variables aleatorias continuas Guión Guión 3.1. La función de densidad de probabilidad Definición 3.1 Sea P una medida de probabilidad en un espacio muestral Ω. Se dice
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesOtras distribuciones multivariantes
Trabajo A Trabajos Curso -3 Otras distribuciones multivariantes Clase esférica de distribuciones en R p Definición. Dado un vector aleatorio X = X,..., X p t, se dice que se distribuye en la clase esférica
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Definición de una V.A.C. Definición de una V.A.C.
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad las reglas mátemáticas de la probabilidad no son simplemente reglas para calcular frecuencias de variables aleatorias;
Más detallesProducto escalar. x y. x = x x y cos α =
resumen06 1 Producto escalar Vectores ortogonales y proyecciones La definición matemática de producto escalar es bastante amplia porque recoge toda expresión bilineal que sirva razonablemente para medir
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3
Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se
Más detallesHoja de Problemas 5. Física Atómica.
Hoja de Problemas 5. Física Atómica. Fundamentos de Física III. Grado en Física. Curso 25/26. Grupo 56. UAM. 3-3-26 Problema En 896 el astrónomo americano Edward Charles Pickering observó unas misteriosas
Más detallesTERCER SEMINARIO INTERINSTITUCIONAL DE MATRICES ALEATORIAS 26, 27 Y 28 DE ABRIL DE 2011
TERCER SEMINARIO INTERINSTITUCIONAL DE MATRICES ALEATORIAS 26, 27 Y 28 DE ABRIL DE 2011 PROGRAMA MARTES 26 DE ABRIL "Matrices Aleatorias y Teoría de Números I Universidad Nacional Autónoma de Temario 1.
Más detallesModelos de distribuciones discretas y continuas
Tema 6 Modelos de distribuciones discretas y continuas 6.1. Modelos de distribuciones discretas 6.1.1. Distribución uniforme sobre n puntos Definición 6.1.2 Se dice que una v.a. X sigue una distribución
Más detallesDISTRIBUCIÓN NORMAL. Modelo matemático: f ( x ) = σ 2 π
DISTRIBUCIÓN NORMAL. Es la más importante de las distribuciones teóricas, es también conocida con los nombres de curva normal y curva de Gauss. De Moivre publico en 1773 su trabajo sobre la curva normal
Más detallesFÍSICA 4 PRIMER CUATRIMESTRE DE 2015 GUÍA 9: POTENCIALES EN 2-D Y 3-D, MOMENTO ANGULAR, ÁTOMO DE HIDRÓGENO, ESPÍN
FÍSICA 4 PRIMER CUATRIMESTRE DE 2015 GUÍA 9: POTENCIALES EN 2-D Y 3-D, MOMENTO ANGULAR, ÁTOMO DE HIDRÓGENO, ESPÍN 1. Considere el siguiente potencial (pozo infinito): { 0 x a; y b y z c V(x)= sino Escribiendo
Más detallesIntroducción a la Química Computacional
OBTENCIÓN DE VALORES Y VECTORES PROPIOS DE UN SISTEMA POLIATÓMICO: APLICACIÓN EN LOS ORBITALES MOLECULARES El problema de las ecuaciones simultáneas en el cálculo variacional se puede expresar según: HC
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesTeoría Espectral. Stephen B. Sontz. Centro de Investigación en Matemáticas, A.C. (CIMAT) Guanajuato, Mexico
Teoría Espectral Stephen B. Sontz Centro de Investigación en Matemáticas, A.C. (CIMAT) Guanajuato, Mexico Mini-curso impartido en Colima 30 septiembre 2016 - Cuarto día Oscilador Armónico Primero, el caso
Más detallesEstadística. Tema 2. Variables Aleatorias Funciones de distribución y probabilidad Ejemplos distribuciones discretas y continuas
Estadística Tema 2 Variables Aleatorias 21 Funciones de distribución y probabilidad 22 Ejemplos distribuciones discretas y continuas 23 Distribuciones conjuntas y marginales 24 Ejemplos distribuciones
Más detallesProblemas Ampliación de Matemáticas. Sistemas lineales 1.- Encontrar la factorización L U de las siguientes matrices:
Problemas Ampliación de Matemáticas. Sistemas lineales 1.- Encontrar la factorización L U de las siguientes matrices: 5 2 1 1 0 3 1 0 3 3 1 6. 3 1 6 5 2 1 2.- Dada la matriz A = 10 7 8 7 5 6, 8 6 10 hallar
Más detallesPrincipios de reducción de la data
Capítulo 6 Principios de reducción de la data 6.1. Introducción Un experimentador usa la información en una muestra X 1,, X n para realizar el proceso de inferencia sobre algun parámetro desconocido θ.
Más detallesESPACIOS VECTORIALES
ESPACIOS VECTORIALES Luisa Martín Horcajo U.P.M. Definición: Vector libre. Operaciones Un vector fijo es una segmento orientado, que queda caracterizado por su origen A y su extremo B y se representa por
Más detallesTema 14 11/02/2005. Tema 8. Mecánica Cuántica. 8.1 Fundamentos de la mecánica cuántica
Tema 14 11/0/005 Tema 8 Mecánica Cuántica 8.1 Fundamentos de la mecánica cuántica 8. La ecuación de Schrödinger 8.3 Significado físico de la función de onda 8.4 Soluciones de la ecuación de Schrödinger
Más detallesTema 6: Modelos de probabilidad.
Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos
Más detallesCónicas. Clasificación.
Tema 7 Cónicas. Clasificación. Desde el punto de vista algebraico una cónica es una ecuación de segundo grado en las variables x, y. De ese modo, la ecuación general de una cónica viene dada por una expresión
Más detallesLa conexión entre la mecánica clásica y cuántica
in La conexión entre la mecánica clásica y cuántica 2015 in Outline 1 2 in 3 4 5 6 in semiclásico Consideremos una partícula de masa m, moviéndose en el espacio bajo un potencial V( q), q = (q 1, q 2,
Más detallesEl momento k-ésimo para una variable aleatoria discreta respecto del origen, es. n = esperanza matemática de X
Momentos El momento k-ésimo para una variable aleatoria discreta respecto del origen, es E(x) n = i = 1 k i ( ) x.p x El primer momento centrado en el origen (k=1) es la esperanza matemática de X También
Más detallesEl Teorema de Recurrencia de Poincaré
El Teorema de Recurrencia de Poincaré Pablo Lessa 9 de octubre de 204. Recurrencia de Poincaré.. Fracciones Continuas Supongamos que queremos expresar la relación que existe entre los números 27 y 0. Una
Más detallesPRÁCTICA I. Ejercicios Teóricos
PRÁCTICA I TEORÍA DE LA DECISIÓN BAYESIANA Ejercicios Teóricos Ejercicio. En el caso de dos categorías, en la regla de decisión de Bayes el error condicional está dado por la ecuación (7). Incluso si las
Más detallesLa Teoría de Hückel: Antecedentes
La Teoría de Hückel: Antecedentes c = Las ecuaciones seculares: s [ H as ESas ] (un conjunto de ecuaciones simultáneas para todos los átomos) s () a, s las etiquetas de los átomos c s los coeficientes
Más detallesSoluciones a los ejercicios de vectores
Soluciones a los ejercicios de vectores Tomás Rocha Rinza 28 de agosto de 2006 1. De acuerdo con la propiedad de la norma entonces si x 0, se tiene que luego, si x 0 el vector x/ x es unitario. 2. Si x
Más detallesMétodo de potencia directo e inverso
Clase No. 12: Método de potencia directo e inverso MAT 251 Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) 26.09.2011 1 / 20 Método de la potencia Este método puede encontrar el eigenvalor más grande
Más detalles5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD
Distribución normal 5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD La distribución continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. Su grafica, que se denomina
Más detallesContenidos IB-Test Matemática NM 2014.
REDLAND SCHOOL MATHEMATICS DEPARTMENT 3 MEDIO NM 1.- Estadística y probabilidad. Contenidos IB-Test Matemática NM 2014. 1.1.- Conceptos de población, muestra, muestra aleatoria, y datos discretos y continuos.
Más detallesFunción Característica
Germán Bassi 21 de marzo de 211 1. Variable Aleatoria Continua Para una variable aleatoria escalar y continua X, la función característica se define como el valor esperado de e jωx, donde j es la unidad
Más detallesSECCIÓN 7.3 INTRODUCCION A VECTORES. Capítulo 7
SECCIÓN 7.3 INTRODUCCION A VECTORES Capítulo 7 Introducción Cantidades tales como área, volumen, longitud, temperatura y tiempo se componen únicamente de una magnitud y se pueden describir completamente
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesFunciones definidas positivas a valores complejos: ejemplos y teoremas de representación
Funciones definidas positivas a valores complejos: ejemplos y teoremas de representación Alejandra Patricia Aguilera Escuela de Matemática, Facultad de Ciencias UCV Seminario de Análisis Motivación Sea
Más detallesMateria: Matemática de 5to Tema: Producto Punto. Marco Teórico
Materia: Matemática de 5to Tema: Producto Punto Marco Teórico En términos comunes, el producto punto de dos vectores es un número que describe la cantidad de fuerza que dos vectores diferentes contribuyen
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA FÍSICA ESTADÍSTICA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA DIPLOMA DE ESPECIALIZACIÓN EN FÍSICA (ANEP UDELAR) FÍSICA ESTADÍSTICA Curso 013 Práctico II Fundamentos de Probabilidad y Estadística. Fecha de Entrega: 13 de
Más detallesAlgebra Lineal: Valores y Vectores Propios. Departamento de Matemáticas. Intro. Eigenvalues. Multiplicidades
Algebra ducción Los valores y vectores propios son muy importantes en el análisis sistemas lineales. En esta presentación veremos su finición y cómo se calculan. vectores propios Sea A una matriz cuadrada,
Más detallesLa densidad electrónica es el valor esperado de un operador de la mecánica cuántica
La densidad electrónica es el valor esperado de un operador de la mecánica cuántica Prof. Jesús Hernández Trujillo Fac. Química, UNAM A continuación se analiza el problema de expresar a la densidad electrónica,
Más detallesAPUNTES DE GEOMETRÍA ANALÍTICA
CAPÍTULO 1: LA RECTA EN EL PLANO Conceptos Primitivos: Punto, recta, plano. APUNTES DE GEOMETRÍA ANALÍTICA Definición 1 (Segmento) Llamaremos segmento a la porción de una línea recta comprendida entre
Más detallesClase 8 Matrices Álgebra Lineal
Clase 8 Matrices Álgebra Lineal Código Escuela de Matemáticas - Facultad de Ciencias Universidad Nacional de Colombia Matrices Definición Una matriz es un arreglo rectangular de números denominados entradas
Más detallesUniversidad Alonso de Ojeda. Facultad de Ingeniería GUIA DE ESTUDIO ALGEBRA LINEAL.
UNIDAD V: ESPACIOS VECTORIALES Estamos acostumbrados a representar un punto en la recta como un número real; un punto en el plano como un par ordenado y un punto en el espacio tridimensional como una terna
Más detallesDistribuciones de Probabilidad Para Variables Aleatorias Continuas
Distribuciones de Probabilidad Para Variables Aleatorias Continuas Departamento de Estadística-FACES-ULA 20 de Diciembre de 2013 Introducción Recordemos la definición de Variable Aleatoria Continua. Variable
Más detallesInstituto de Física Universidad de Guanajuato Agosto 2007
Instituto de Física Universidad de Guanajuato Agosto 2007 Física III Capítulo I José Luis Lucio Martínez El material que se presenta en estas notas se encuentra, en su mayor parte, en las referencias que
Más detallesEJEMPLO DE PREGU,TAS
EJEMPLO DE PREGU,TAS MATEMÁTICAS PRIMERO, SEGU,DO Y TERCERO DE BACHILLERATO 1. Lógica proposicional Esta competencia se refiere al conocimiento que usted posee sobre el lenguaje de las proposiciones y
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesPOSTULADOS DE LA MECÁNICA CUÁNTICA
POSTULADOS DE LA MECÁNICA CUÁNTICA Que es la mecánica cuántica? Es una teoría axiomática debido a que está bien fundamentada en algunos principios (del latín principium), o axiomas (del griego, axios),
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detallesc-inversa o inversa generalizada de Rao
c-inversa o inversa generalizada de Rao Definición.- Sea A m n. Se dice que una matriz A c de orden n m es una c-inversa o inversa generalizada en el sentido de Rao si y sólo si se verifica AA c A = A.
Más detallesCálculo de Probabilidades II Preguntas Tema 1
Cálculo de Probabilidades II Preguntas Tema 1 1. Suponga que un experimento consiste en lanzar un par de dados, Sea X El número máximo de los puntos obtenidos y Y Suma de los puntos obtenidos. Obtenga
Más detalles7.- Teorema integral de Fourier. Transformada de Fourier
7.- Teorema integral de Fourier. Transformada de Fourier a) Introducción. b) Transformada de Fourier. c) Teorema integral de Fourier. d) Propiedades de la Transformada de Fourier. e) Teorema de Convolución.
Más detallesDiagonalización. Tema Valores y vectores propios Planteamiento del problema Valores y vectores propios
61 Matemáticas I : Álgebra Lineal Tema 6 Diagonalización 61 Valores y vectores propios 611 Planteamiento del problema Problema general de diagonalización Dado un operador lineal f sobre un espacio vectorial
Más detallesAlgebra Lineal Xa: Álgebra Vectorial en R3
Algebra Lineal Xa: Álgebra Vectorial en R3 José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamanca.ugto.mx
Más detallesLA CLASE VIRTUAL LOS NUMEROS COMPLEJOS
LA CLASE VIRTUAL LOS NUMEROS COMPLEJOS La ecuación x 2 +1=0 carece de soluciones en el campo de los números reales. log e (-2) no es un número real. Tampoco es un número real (-2) π Un número complejo
Más detallesDiagonalización de una Matriz
Diagonalización de una Matriz Departamento de Matemáticas, CCIR/ITESM 9 de febrero de 2011 Índice 19.1.Introducción............................................... 1 19.2.Matriz diagonalizable..........................................
Más detallesJosé Humberto Serrano Devia Página 1
Similitudes entre el espacio y las series de Fourier Funciones Ortogonales En esta sección se muestra la forma en que los conceptos vectoriales de producto interno, o producto escalar, y el de ortogonalidad
Más detallesPlanos y Rectas. 19 de Marzo de 2012
el Geometría en el Planos y Rectas Universidad Autónoma Metropolitana Unidad Iztapalapa 19 de Marzo de 2012 el Anteriormente vimos que es posible encontrar un número infinito de vectores, no paralelos
Más detallesMatrices 1 (Problemas). c
º Bachillerato Matrices 1 (Problemas) 1.- Efectúa las siguientes operaciones con matrices: a) 1 4 5 6 + b) 5 7 9 11 1 1 1 1 1 1 c). 4 d) 6. 1 6 1 18 1 g) 0 0 0 0 a 0 b 0. 0 b 0 0 0 c c 0 0.- Siendo A =
Más detallesVARIABLES ALEATORIAS CONTINUAS
VARIABLES ALEATORIAS CONTINUAS El zoo binomial: las probabilidades en la distribución binomial. Tutorial 5, sección 2 X = número de éxitos al repetir n veces un experimento con probabilidaf de éxito p
Más detallesTEMA 4. Vectores en el espacio Problemas Resueltos
Matemáticas II (Bachillerato de Ciencias) Soluciones de los problemas propuestos Tema 4 5 Vectores TEMA 4 Vectores en el espacio Problemas Resueltos Para a = (,, ) y b = (,, 4), halla: a) a + b b) a b
Más detallesEJERCICIOS DE GEOMETRÍA
EJERCICIOS DE GEOMETRÍA 1. Se consideran las rectas r x 2 = 0 x 2z = 1, s y + 3 = 0 y + z = 3 a) Estudiar la posición relativa de r y s. b) Hallar la mínima distancia entre ambas. Se pide: Sol: Se cruzan
Más detallesMatrices. Operaciones con matrices.
Matrices. Operaciones con matrices. Ejercicio. Dadas las matrices ( ) ( ) 4 A = B = ( ) C = D = 4 5 ( ) 4 E = F = seleccione las que se pueden sumar y súmelas. Ejercicio. Dadas las matrices ( ) ( ) A =
Más detallesFactorización de rango completo y aplicaciones
XXI Congreso de Ecuaciones Diferenciales y Aplicaciones XI Congreso de Matemática Aplicada Ciudad Real, 21-25 septiembre 2009 (pp. 1 8) Factorización de rango completo y aplicaciones R. Cantó 1, B. Ricarte
Más detallesDescomposición de dos Anillos de Funciones Continuas
Miscelánea Matemática 38 (2003) 65 75 SMM Descomposición de dos Anillos de Funciones Continuas Rogelio Fernández-Alonso Departamento de Matemáticas Universidad Autónoma Metropolitana-I 09340 México, D.F.
Más detallesVALORES Y VECTORES PROPIOS
VALORES Y VECTORES PROPIOS En diversos campos de la ingeniería y las matemáticas surge el problema de calcular los valores escalares λ y los vectores x 0 tales que para la matriz cuadrada A se cumple Ax
Más detallesMATEMÁTICAS II TEMA 4 Vectores en el espacio Problemas resueltos
Geometría del espacio: Vectores; producto escalar, vectorial y mixto Aplicaciones MATEMÁTICAS II TEMA 4 Vectores en el espacio Problemas resueltos Vectores Para a = (,, ) y b = (,, 4), halla: a) a + b
Más detallesLos pasos que se dan son:
Hasta ahora hemos admitido que podemos trabajar con la red de cores de nuestro sólido usando una aproximación clásica lo que nos ha permitido determinar los «modos normales de vibración» en el sentido
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesCaracterización de Imágenes
de Imágenes Visión Artificial Andrea Rueda Pontificia Universidad Javeriana Departamento de Ingeniería de Sistemas Caracterizar: "determinar los atributos peculiares de alguien o de algo, de modo que claramente
Más detallesDerivadas Parciales (parte 2)
40 Derivadas Parciales (parte 2) Ejercicio: Si donde y. Determinar Solución: Consideraremos ahora la situación en la que, pero cada una de las variables e es función de dos variables y. En este caso tiene
Más detallesCapítulo 8: Vectores
Capítulo 8: Vectores 1. Lección 30. Operaciones con vectores 1.1. Vectores El concepto de vector aparece en Física para describir magnitudes, tales como la fuerza que actúa sobre un punto, en las que no
Más detallesDe los anillos de Saturno a las trampas electrónicas. Grupo de dinámica no lineal
De los anillos de Saturno a las trampas electrónicas Grupo de dinámica no lineal Líneas de investigación Sistemas dinámicos hamiltonianos con aplicaciones en - Mecánica Celeste - Dinámica de actitud -
Más detallesIntegrales Múltiples.
CAPÍTULO 8 Integrales Múltiples. En este capítulo generalizamos las integrales definidas de una variable a dos y tres variables. La interpretación geométrica de las integrales definidas de una variable
Más detallesALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesSOBRE INVERSAS GENERALIZADAS Y SU APLICACIÓN EN LA REGRESIÓN 0.- INTRODUCCIÓN. Sobre Matrices Inversas Generalizadas
SOBRE INVERSAS GENERALIZADAS Y SU APLICACIÓN EN LA REGRESIÓN José Carlos de Miguel Domínguez Agustín Ramos Calvo Dpto. de Métodos Cuantitativos para la Economía y la Empresa Fac. de C.C.E.E. Santiago de
Más detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más detallesAVANCE DE CONCEPTOS GEOMETRÍA DIFERENCIAL
AVANCE DE CONCEPTOS GEOMETRÍA DIFERENCIAL Índice 1. Introducción a las curvas en E 3 2 1.1. Definición matemática de curva.............................. 2 1.2. Cambio de parámetro....................................
Más detallesProblemas de Geometría Analítica del Espacio
1) Dados los vectores u(4, 4, 8), v( 2,, 5), w(3, 5, 8) y a(22,, 11). Hallar los valores de x, y, z que verifican la combinación lineal a = x u + y v + z w. 2) Dados los vectores a( 5, 19, n) y b( h, 3,
Más detalles2. Sistemas de ecuaciones lineales
2 Sistemas de ecuaciones lineales 2 Ejercicios resueltos Ejercicio 2 Estudiar el número de condición de Frobenius de la matriz a b A a + ε b Solución: El determinante de A es A ab + ba + ε b ε Si b 0 y
Más detallesTema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Tema 1 Álgebra lineal 1. Vectores 2. Matrices 1 Álgebra lineal Aurea Grané
Más detallesHistograma del puntaje de vocabulario y la aproximación por una curva gaussiana.
35 Curvas de densidad Existe alguna manera de describir una distribución completa mediante una única expresión? un diagrama tallo-hoja no es práctico pues se trata de demasiados datos un histograma elimina
Más detallesAgenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria continua. Varianza. 2
Curso de nivelación Estadística y Matemática Cuarta clase: Distribuciones de probablidad continuas Programa Técnico en Riesgo, 2016 Agenda 1 Variable aleatoria Continua Valor esperado de una variable aleatoria
Más detallesTeoría Tema 9 Vectores, ángulos, vector normal de un plano y simetrías
página 1/13 Teoría Tema 9 Vectores, ángulos, vector normal de un plano y simetrías Índice de contenido Propiedades de los vectores...2 Ángulo entre dos rectas...4 Bisectriz de dos rectas que se cortan...6
Más detallesALGEBRA LINEAL Y GEOMETRÍA. ISOMETRÍAS LINEALES EN DIMENSIONES 2 Y 3 GRADO DE MATEMÁTICAS. CURSO
ALGEBRA LINEAL Y GEOMETRÍA. ISOMETRÍAS LINEALES EN DIMENSIONES 2 Y 3 GRADO DE MATEMÁTICAS. CURSO 2012-2013 José García-Cuerva Universidad Autónoma de Madrid 13 de febrero de 2013 JOSÉ GARCÍA-CUERVA (U.A.M.)
Más detallesProbabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
Más detallesEigenvalores y eigenvectores
Eigenvalores y eigenvectores Los dos problemas principales del álgebra lineal son: resolver sistemas lineales de la forma Ax = b y resolver el problema de eigenvalores. En general, una matriz actúa sobre
Más detallesATOMO DE HIDROGENO. o = permitividad al vacío = 8.85 X C 2 N -1 cm -1. = metros. F = Newtons 2. Ó (3)
ATOMO DE HIDROGENO I. Atomo de hidrógeno A. Descripción del sistema: Dos partículas que interaccionan por atracción de carga eléctrica y culómbica. 1. Ley de coulomb: a. En el sistema cgs en unidades de
Más detallesQUIMICA CUANTICA. Trabajos Prácticos: Resolución de problemas Cálculos computacionales
Contenidos Mínimos: Formalismos Matemáticos de Química Cuántica Métodos computacionales Formalismos mecano cuánticos. Tratamiento atómico y molecular Aplicaciones a moléculas sencillas. Trabajos Prácticos:
Más detallesPAU Madrid. Matemáticas II. Año Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos.
PAU Madrid. Matemáticas II. Año 22. Examen modelo. Opción A. Ejercicio 1. Valor: 2 puntos. Se considera una varilla AB de longitud 1. El extremo A de esta varilla recorre completamente la circunferencia
Más detallesAlgunos números curiosos
Revista del Profesor de Matemáticas, RPM No.11 (2010) 41 Algunos números curiosos A la memoria de Enzo R. Gentile Sin dudas, los números primos constituyen la vedette de la Teoría de Números. Recordamos
Más detalles