TÉCNICAS MODERNAS DE OPTIMIZACIÓN - Simulación Aplicada -
|
|
- Daniel Ricardo Contreras Villalobos
- hace 8 años
- Vistas:
Transcripción
1 Escuela de Estudios Idustriales y Empresariales Igeiería Idustrial Facultad de Igeierías Físico-Mecáicas CONSTRUIMOS FUTURO TÉCNICAS MODERNAS DE OPTIMIZACIÓN - Simulació Aplicada - NÚMEROS Y VARIABLES ALEATORIAS Ig. Edwi Alberto Garavito Herádez Igeiería Idustrial lues, 22 de juio de 2015 CONSTRUIMOS FUTURO 1
2 3 QUÉ ES UN NUMERO ALEATORIO? 4 es u úmero aleatorio? SECUENCIA DE NÚMEROS ALEATORIOS Idepedietes: cada úmero es obteido por casualidad y o tiee igua relació co otros úmeros de la serie Distribució específica: cada úmero tiee ua probabilidad específica de perteecer a u rago de valores determiado. 4 Para qué las secuecias de úmeros aleatorios? Simulació: La reproducció de feómeos aturales ecesita úmeros aleatorios. E procesos productivos, el comportamieto del tiempo de servicio o de operació, la tasa de llegadas de clietes a u sistema, la demada de u producto. Muestreo: Muchas veces es poco práctico examiar todos los casos posibles. U muestreo aleatorio puede revelar u comportamieto típico. Aálisis Numérico: Técicas uméricas ecesita úmeros aleatorios Programació de computadores: Tests de efectividad de algoritmos Toma de decisioes: Modelos de aálisis de escearios. Estética: U toque de aleatoriedad puede resultar agradable Juegos: De aquí proviee el propio método lues, 22 de juio de
3 5 Métodos para geerar úmeros aleatorios Maual Lazamieto de dados Destapar Cartas Extraer bolas de u ura Girar ua rueda Métodos uméricos Algoritmo de Vo Newma (1940) Producto medio Multiplicador costate Geeradores Cogrueciales lieales. 6 Números pseudo-aleatorios U úmero pseudo-aleatorio es u úmero geerado e u proceso que parece producir úmeros al azar, pero o lo hace realmete. Las secuecias de úmeros pseudo-aleatorios o muestra igú patró o regularidad aparete desde u puto de vista estadístico, a pesar de haber sido geeradas por u algoritmo completamete determiista, e el que las mismas codicioes iiciales produce siempre el mismo resultado. 3
4 7 Que sigifica u bue geerador? Período Largo Cumple co alguas pruebas estadísticas Velocidad / eficiecia Portabilidad - se puede implemetar fácilmete co diferetes leguajes y computadores Repetibilidad - debe ser capaz de geerar la misma secuecia de uevo 8 Estructura Básica. Dada ua fució de trasició, f, el estado e el paso viee dado por x = f ( x ), 1 1 La fució de salida, g, produce resultados como u ( ) = g x La secuecia de salida { u, 1} 4
5 9 Semilla: X0 X0 *X0= ## #### ## Vo Newma X1 *X1= ## #### ## X2 *X2= ## #### ## Ej. Xo=6375 Ro= Xo*Xo = X1 = 6406, R1 = X1*X1 = X2 = 0368, R2 = X2*X2 = X3 = 1354, R3 = Producto Medio Semillas: Xo, Xo P1= Xo, Xo= ## #### ## X1, R1 = 0,X1 Pi= Xi-2 * Xi-1= ## #### ## i=2,3,4 Xi, Ri = 0,Xi Semillas: Xo =3721, Xo= 6375 P1= , X1= 7213, R1= P2=Xo*X1= , X2= 9828, R2= P3=X1*X2= , X3= 8893, R2=
6 11 Multiplicador Costate K=costate Xo= semilla Pi=K*Xi-1 = ## #### ## Xi, Ri = 0,Xi i=1, 2, 3.. K= 3721 Xo= 6375 P1=K*Xo = , X1= 7213, R1= P2=K*X1 = , X2= 8395, R2= Geerador de Fiboacci Suma o diferecia de elemetos predecesores El retardo usa dos úmeros de la secuecia previa x = x + x m o d m ( ) p r u = x / m p, q a re th e la g s (MRGs) defiidos por: = + L + k k Multiple Recursive Geerators x ( a1x 1 a x ) mod m u = x / m dóde a i to {0,1,,m 1} m es primo y requiere ua adecuada selecció de valores a i para que el máximo periodo sea m k -1 Geeradores o lieales. Usa fució de trasició lieal, y ua fució de salida o lieal Ejemplo: explicit iversive geerator x = a + c m ( ) z = a + c 2 mod m u = z / m 6
7 13 Geeradores Lieales Cogrueciales (Prime modulus multiplicative liear cogruetial geerator PMMLCG) Lehmer X R i + 1 i + 1 = ( a * X ) mod m X i + = m 1 i Xo = semilla a = multiplicador m = módulo Ejercicio: a=5, m=16, Xo= 7, 10, Geeradores Lieales Cogrueciales (Mixtos) Thomso hacia 1958 X R i + 1 i + 1 = ( a * X X i + = m 1 i + c ) mod m Xo = semilla a = multiplicador c = icremeto m = módulo Ejercicio: a=23, c=6, m=18 7
8 15 Observacioes: Período: Logitud del ciclo Si el período es m, el GLC es de período completo (Full period) La semilla o cambia la secuecia, lo que cambia es dode iicia. Ej.: a=5, c=3, m=16 GLC(s,a,c,m) a=7, c=5, m=48 semilla 8 GLC(8,7,5,48) SI a y m o so primos relativos la serie se degeera ej. GLC(8,6,5,48) 16 lues, 22 de juio de
9 TEOREMA 17 U GLC es de período completo, si y solamete si cumple las siguietes codicioes: El úico etero positivo que divide exactamete a m y c es 1 (Primos relativos) Todos los úmeros primos que divide a m tambié divide a a-1 (Raíz Primitiva) Si 4 divide a m, etoces tambié divide a a-1 GLC(##,25,21,47) GLC(##, 485, 121, 256) GLC(##, 106, 1283, 6075) Todas estas codicioes se cumple si m = 2 k, a = 4c + 1, y c es impar, dode c, b, y k so eteros positivos GLC(#, , , ) GENERADORES EN APLICACIONES COMUNES MATLAB: Versioes ateriores a 5: GLC co 5 31 a = 7 = 16807; c = 0; m = 2 1 = Versios 5 & 6: Fiboacci geerator combiado co u u geerador de desplazamieto etero aleatorio co P ~ 2 EXCEL: u = fractioal part (9821 u ); period 23 SAS (v6): LCG with period ~ 2 SIMMAN: a= 7 5, c=0, m= ARENA:a=16807 m = PROMODEL: Z i = Z i-1 mod (2 31-1) FLEXSIM: (PMMLCG): a= y m*=2^
10 19 Recomedacioes para la selecció de las semillas 1. No use cero. 2. Evite valores pares. Si u geerador o es de periodo completo (por ejemplo GCL multiplicativo co modulo m = 2 k ) la semilla debe ser impar. E otros casos o importa. 3. No subdivida ua secuecia. Usar ua úica secuecia para todas las variables es u error comú. 4. Use secuecias que o se solapa. Cada secuecia requiere su semilla. 5. Reuse semillas e replicas sucesivas. Usar para la siguiete réplica como semilla el valor de fial de la secuecia previa 6. No usar semillas aleatorias. No se puede reproducir el experimeto y o garatiza cumplimieto de codicioes 20 PRUEBAS DE ALEATORIEDAD Pruebas de corridas (presució de idepedecia) Tedecias Corridas arriba / debajo de la media Logitud de la corrida. Pruebas de frecuecia Kolmogorov Smirov Chi-cuadrado 10
11 21 Hipótesis para uiformidad Hipótesis para idepedecia Nivel de cofiaza 22 Tedecias Eveto(i)= si Rd(i) < Rd(i-1) Eveto(i)= + si Rd(i) > Rd(i-1) Ej corridas (3 desceso, 3 asceso) µ A σ 2 A (2 1) A ~ N ; 3 90 A=Número de corridas =Número de datos 11
12 23 E(A)=16.33, Var(A)= lues, 22 de juio de
13 25 26 Arriba / abajo de la media Eveto(i)= si Rd(i) < 0.5 Eveto(i)= + si Rd(i) > 0.5 B 2 1 N ~ (2 1 2 ) ; ( ( 1)) B=Número de cambios =Número de datos 1=Número de datos debajo de la media 2=úmero de datos arriba de la media 13
14 27 E(B)=12.82, V(B)=5.88, B=
15 29.OTRAS PRUEBAS PARA HIPÓTESIS DE INDEPENDENCIA Correlació serial Logitud de rachas Prueba de brechas Prueba de Poker lues, 22 de juio de Chi-cuadrado Si 2 x < 2 0 x α, g < No hay evidecia suficiete para rechazar la Ho P-value > α, prueba. chi. iv ( α, gl ) 2 x α g > 15
16 31 Kolmogorov-smirov Para ~U(0,1) Fució empírica S (x) Estadísticos: 32 {D +,D - } <D(α,) 16
17 33 EJERCICIO Dado u GLC co: X0 = 5 a = 255 c = 100 m = 1032 Aplicar pruebas de idepedecia y de frecuecia 34 GENERACION DE VARIABLES ALEATORIAS Factores a cosiderar para selecció del algoritmo Exactitud: se ha de obteer valores de ua variable co ua precisió dada. A veces se tiee suficiete co obteer ua aproximació y otras o. Eficiecia: el algoritmo que implemeta el método de geeració tiee asociado u tiempo de ejecució y u gasto de memoria. Elegiremos u método que sea eficiete e cuato al tiempo y a la catidad de memoria requeridos. 17
18 35 GENERACION DE VARIABLES ALEATORIAS Factores a cosiderar para selecció del algoritmo Complejidad: Buscamos métodos que tega complejidad míima, siempre y cuado se garatice cierta exactitud. Robustez: el método tiee que ser eficiete para cualquier valor que tome los parámetros de la distribució que siga la variable aleatoria. Facilidad de implemetació. 36 GENERACION DE VARIABLES ALEATORIAS Trasformació iversa Aceptació-Rechazo, Composició Covolució 18
19 37 Iverso de la fució 38 Trasformació iversa 19
20 39 lues, 22 de juio de Trasformació iversa ~U[0,1] x Geerar u~u[0,1] x F -1 (u) 20
21 41 Distribució Uiforme Cotiua 42 Trasformació iversa Distribució Uiforme discreta e el itervalo [a,b] lues, 22 de juio de
22 43 Trasformació iversa Distribució Weibull 44 Trasformació iversa Distribució Expoecial 22
23 45 Trasformació iversa Distribució Triagular 46 Trasformació iversa Distribució Triagular 23
24 47 EJERCICIO Se ecesita simular el tiempo de servicio de u sistema de ateció a clietes, el cual se rige por ua distribució triagular co míimo 2 miutos, máximo 10 y moda de 5 miutos. Usar Trasformació iversa, geerádolos e EXCEL y Aplicar pruebas de Frecuecia para verificar su ajuste. 48 EJERCICIO Para simular el comportamieto del tiempo de operació de ua máquia, se requiere geerar 200 datos que siga el siguiete comportamieto e su distribució de probabilidad TIEMPO (mi) PROBABILIDAD Usar Trasformació iversa, geerádolos e EXCEL y Aplicar pruebas de Frecuecia para verificar su ajuste. 24
25 49 Aceptació rechazo Vo Neuma Cosiste e muestrear ua variable aleatoria respecto a ua fució de distribució apropiada y someter a dicha variable a u test para determiar si se acepta o o. Se puede usar si existe otra fució de desidad g(x) tal que c*g(x) supera la fució de desidad f(x), es decir, c*g(x) > f(x) para todos los valores de x. Si esta fució existe, etoces se puede aplicar los siguietes pasos: 1. Geere ~U(0,1) 2. Geere y co h(y), idepediete de U 3. Si f(y) > U*C*h(y), devuelva x=y, y retore. De lo cotrario repita desde el paso Aceptació - rechazo ~Tria(a=0, b=c=1) h(x)=2x 25
26 51 Aceptació - rechazo Covolució Si la V.A. x se puede expresar como ua combiació de k v.a s 52 Ej. ormal, biomial, poisso, gamma, erlag,, Geerar k.a. ~U (u1, u2,, u k ) Geerar k v.a. (x i ) a partir de U k Geerar X co x i i = 1 Ej: Para N~(µ,σ) x = 26
27 53 Caracterizació Box-Muller Z 1, Z 2, ~N(0,1) Z 1 = B*cos(θ) Z 2 =B*se(θ) B 2 =Z 12 +Z 2 2 ~X 2 (2gl) ~E media=2 θ ~ U(0,2π), B y θ so idep. 54 Composició Este método se puede usar si la FDA F(x) deseada se puede expresar como ua suma poderada de otras FDA: F1 (x),..., F (x): E cualquier caso, los pasos a seguir so: 1. Geere u etero aleatorio I tal que P(I = i ) = pi. Esto puede ser hecho co el método de trasformació iversa. 2. Geere x co la i-esima desidad fi (x) y retore. 27
28 55 Composició Esta desidad es ua composició de dos desidades expoeciales. La probabilidad de que x sea positiva es 1/2, y de que sea egativa tambié es 1/2. Usado la técica de composició podemos geerar variables de Laplace de la siguiete forma: 1. Geere u1 ~ U(0,1), y u2 ~ U(0,1). 2. Si u1 < 0.5, retore x = -a l u2, de lo cotrario retore x = a l u2. FIN lues, 22 de juio de 2015 CONSTRUIMOS FUTURO 28
29 Escuela de Estudios Idustriales y Empresariales Igeiería Idustrial Facultad de Igeierías Físico-Mecáicas CONSTRUIMOS FUTURO 29
UNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel
Más detallesMedidas de Tendencia Central
EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los
Más detalles1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)
1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :
Más detallesAnálisis estadístico de datos simulados Estimadores puntuales
Aálisis estadístico de datos simulados Estimadores putuales Georgia Flesia FaMAF 5 de mayo, 2015 Aálisis estadístico Modelizació estadística: Elegir ua distribució e base a los datos observados. Estimar
Más detallesMétodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B
Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................
Más detallesPropuesta A. { (x + 1) 4. Se considera la función f(x) =
Pruebas de Acceso a Eseñazas Uiversitarias Oficiales de Grado (0) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumo deberá cotestar a ua de las dos opcioes propuestas A o B. Se podrá utilizar
Más detallesIES Fco Ayala de Granada Sobrantes de 2008 (Modelo 3 Junio) Solución Germán-Jesús Rubio Luna 12 2 = 3 12. , es decir
IES Fco Ayala de Graada Sobrates de 008 (Modelo Juio) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 008 (MODELO ) OPCIÓN A EJERCICIO _A 0 a b Sea las matrices A= y B= 0 6 a) ( 5 putos)
Más detalles5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras
Más detallesCapítulo 2. Operadores
Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática
Más detalles7.2. Métodos para encontrar estimadores
Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la
Más detallesSolución del examen de Investigación Operativa de Sistemas de septiembre de 2004
Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos
Más detallesTema 9. Inferencia Estadística. Intervalos de confianza.
Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...
Más detalles= Adj(A ) = 0 1-2/8 3/8 0 1-2/8 3/8 1-2/8 3/8 8-2 3
IES Fco Ayala de Graada Sobrates de 007 (Modelo 5) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( puto) U taller de carpitería ha vedido 5 muebles, etre sillas, silloes y butacas, por u total de
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2008 (MODELO 5)
IES Fco Ayala de Graada Sobrates de 008 (Modelo 5) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 008 (MODELO 5) OPCIÓN A EJERCICIO 1_A De las restriccioes que debe cumplir las
Más detallesCRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS
CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Curso Preparació y Evaluació Social de Proyectos Sistema Nacioal de Iversioes Divisió de Evaluació Social de Iversioes MINISTERIO DE DESARROLLO SOCIAL
Más detallesEstimación puntual y por intervalos
0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por
Más detallesProgramación Entera (PE)
Programació Etera (PE) E geeral, so problemas de programació lieal (PPL), e dode sus variables de decisió debe tomar valores eteros. Tipos de PE Cuado se requiere que todas las variables de decisió tome
Más detallesTema 6. Sucesiones y Series. Teorema de Taylor
Nota: Las siguietes líeas so u resume de las cuestioes que se ha tratado e clase sobre este tema. El desarrollo de todos los tópicos tratados está recogido e la bibliografía recomedada e la Programació
Más 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 detallesIES Fco Ayala de Granada Sobrantes de 2011 (Modelo 1) Enunciado Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 011 (Modelo 1) Euciado Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
Más detallesELEMENTOS DE ÁLGEBRA MATRICIAL
ELEMENTOS DE ÁLGEBRA MATRICIAL Ezequiel Uriel DEFINICIONES Matriz Ua matriz de orde o dimesió p- o ua matriz ( p)- es ua ordeació rectagular de elemetos dispuestos e filas y p columas de la siguiete forma:
Más detallesSucesiones numéricas.
SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El
Más detallesASIGNATURA: MATEMATICAS FINANCIERAS
APUNTES DOCENTES ASIGNATURA: MATEMATICAS FINANCIERAS PROFESORES: MARIN JAIMES CARLOS JAVIER SARMIENTO LUIS JAIME UNIDAD 3: EVALUACIÓN ECONÓMICA DE PROYECTOS DE INVERSIÓN EL VALOR PRESENTE NETO VPN Es ua
Más detalles1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p.
Divisibilidad Matemática discreta Dados dos úmeros aturales a y b, escribiremos a b y leeremos a divide a b si existe u c N tal que ac = b. E este caso, decimos que a es u divisor de b o que b es divisible
Más detallesIES Fco Ayala de Granada Sobrantes 2014 (Modelo 2 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates 014 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 014 MODELO OPIÓN A EJERIIO 1 (A) (1 75 putos) Represete gráficamete la regió
Más detalles16 Distribución Muestral de la Proporción
16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos
Más detallesSOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2012 (Modelo 1 ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 1) OPCIÓN A EJERCICIO 1_A -1-6 -1 1 2 a 0 1 Sea las matrices A
Más detallesIES Fco Ayala de Granada Sobrantes de 2001 (Modelo 5 Septiembre) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 00 (Modelo 5 Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A (3 putos) Para fabricar tipos de cable, A y B, que se vederá a 50 y 00 pts el metro, respectivamete,
Más detallesAnálisis en el Dominio del Tiempo para Sistemas Discretos
OpeStax-CNX module: m12830 1 Aálisis e el Domiio del Tiempo para Sistemas Discretos Do Johso Traslated By: Erika Jackso Fara Meza Based o Discrete-Time Systems i the Time-Domai by Do Johso This work is
Más detallesModelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo
Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe
Más detallesIES Fco Ayala de Granada Sobrantes de 2006 (Modelo 5 ) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2006 (Modelo 5 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A Sea la regió defiida por las siguietes iecuacioes: x/2 + y/3 1 ; - x + 2y 0; y 2. (2 putos) Represete
Más detallesIES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora
Más detallesEstimación puntual y por intervalos de confianza
Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo
Más detallesCURSO 2.004-2.005 - CONVOCATORIA:
PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesLey de los números grandes
Capítulo 2 Ley de los úmeros grades 2.. La ley débil de los úmeros grades Los juegos de azar, basa su sistema de gaacias, fudametalmete e la estabilidad a largo plazo garatizada por las leyes de la probabilidad.
Más detallesTransformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)
Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos
Más detallesTEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA. En los problemas de Programación Lineal nos encontraremos con:
TEMA 2.- MODELOS DE PROGRAMACION LINEAL. SOLUCION GRAFICA.- Itroducció E los problemas de Programació Lieal os ecotraremos co: - Fució Objetivo: es la meta que se quiere alcazar, y que será la fució a
Más detallesEXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 11-Septiembre-2014.
EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. -Septiembre-04. APELLIDOS: DNI: NOMBRE:. Se quiere hacer u estudio sobre las persoas que usa iteret e ua regió dode el 40% de los habitates so mujeres.
Más detallesSeñales y sistemas discretos (1) Transformada Z. Definiciones
Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas
Más detallesANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS COCOS. (Resolución por JMEB.)
ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS OOS. (Resolució por JMEB.) 1. Defiició. El problema cosiste e calcular la catidad de cocos que había iicialmete e u motó que... ierto día se reuiero moos para recoger
Más detallesTEMA 3.- OPERACIÓN FINANCIERA
. DEFINICIÓN Y CLASIFICACIÓN. TEMA 3.- OPEACIÓN FINANCIEA Se deomia operació fiaciera a todo itercambio o simultáeo de capitales fiacieros pactado etre dos agetes, siempre que se verifique la equivalecia,
Más detallesBINOMIO DE NEWTON página 171 BINOMIO DE NEWTON
págia 171 Los productos otables tiee la fialidad de obteer el resultado de ciertas multiplicacioes si hacer dichas multiplicacioes. Por ejemplo, cuado se desea multiplicar los biomios cojugados siguietes:
Más detallesRevisión de conceptos: S 2 p ( 1 p ) Distribución binomial: Programa de Efectividad Clínica 2003 Bioestadística Vilma E. Irazola.
Programa de Efectividad Clíica 003 Bioestadística Vilma E. Irazola DATOS CATEGORICOS COMPARACION DE PROPORCIONES Revisió de coceptos: Cotiuos Tipos de datos Discretos Categóricos Ejemplo: Variable a a
Más detallesOPCIÓN A EJERCICIO 1 (A)
IES Fco Ayala de Graada Juio de 01 (Geeral Modelo 6) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 01 MODELO (COMÚN) OPCIÓN A EJERCICIO 1 (A) -1-1 1 Sea las matrices A =
Más detallesMC Fco. Javier Robles Mendoza Primavera 2009
1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2
Más detallesOPCIÓN A EJERCICIO 1_A 1-2 1 Sean las matrices A =
IES Fco Ayala de Graada Sobrates de 007 (Juio Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1-1 x -x Sea las matrices A, X y e Y -1 3 0 - z (1 puto) Determie la matriz iversa de A. ( putos)
Más detallesDISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)
Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico
Más detalles(PROBABILIDAD) (tema 15 del libro)
(PROBABILIDAD) (tema 15 del libro) 1. EXPERIMENTOS ALEATORIOS. ESPACIO MUESTRAL. SUCESOS Defiició: U feómeo o experiecia se dice aleatorio cuado al repetirlo e codicioes aálogas o se puede predecir el
Más detallesBIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.
Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal
Más detallesCADENAS DE MARKOV. Métodos Estadísticos en Ciencias de la Vida
CADENAS DE MARKOV Itroducció U proceso o sucesió de evetos que se desarrolla e el tiempo e el cual el resultado e cualquier etapa cotiee algú elemeto que depede del azar se deomia proceso aleatorio o proceso
Más detallesMatemáticas I - 1 o BACHILLERATO Binomio de Newton
Matemáticas I - o Bachillerato Matemáticas I - o BACHILLERATO El biomio de Newto es ua fórmula que se utiliza para hacer el desarrollo de la potecia de u biomio elevado a ua potecia cualquiera de expoete
Más detallesFórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)
Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio
Más detalles6. Probabilidad, Distribuciones y Simulación
42 Trabajo Práctico 4: Itroducció al leguaje R - cot. 6. Probabilidad, Distribucioes y Simulació 6. Fucioes de Distribució e R R permite calcular probabilidades (icluyedo acumuladas), la evaluació de fucioes
Más detalles0-3 2 0 4-2 -2 0-1 0-1 0-3-13-1
IS Fco Ayala de Graada Sobrates 009 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A JRCICIO 1 ( putos) Sea las matrices: -1 4-1 - 1 5 - -6 A ; B 0-1 y C 0-1 1 0 1-0 -1 Determie X e la ecuació matricial
Más detallesEstimación puntual y por Intervalos de Confianza
Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo
Más detallesPráctica 6: Vectores y Matrices (I)
Foamets d Iformàtica 1r curs d Egiyeria Idustrial Práctica 6: Vectores y Matrices (I) Objetivos de la práctica El objetivo de las prácticas 6 y 7 es itroducir las estructuras de datos vector y matriz e
Más detallesPRIMERA SESIÓN. l. Se considera la sucesión de números reales definida por la relación de recurrenc1a: U n+l = a Un + ~ U n-1, con n > O
PRIMERA SESIÓN Problema N l. l. Se cosidera la sucesió de úmeros reales defiida por la relació de recurreca: U +l = a U + ~ U -, co > O Siedo: a y ~ úmeros fijos. Se supoe tambié coocidos los dos primeros
Más detallesGUÍA DE ESTUDIO ÁLGEBRA LINEAL
GUÍ DE ESUDIO ÁLGER LINEL ema 3. rasformacioes Lieales. QUÉ ES UN RNSFORMCIÓN? E térmios geerales, ua trasformació es ua fució que permite trasformar u vector que perteece a u espacio vectorial (domiio)
Más detallesUna serie de potencias puede ser interpretada como una función de x. f(x) = n=0
Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD
PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).
Más detallesSoluciones Hoja de Ejercicios 2. Econometría I
Ecoometría I. Solucioes Hoja 2 Carlos Velasco. MEI UC3M. 2007/08 Solucioes Hoja de Ejercicios 2 Ecoometría I 1. Al pregutar el saldo Z (e miles de euros) de su cueta de ahorro cojuta a u matrimoio madrileño
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detallesAnálisis de resultados. Independencia de las muestras
Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas
Más detallesTeoría de colas. Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE COLAS 1
Teoría de colas Adrés Ramos Uiversidad Potificia Comillas http://www.iit.comillas.edu/aramos/ Adres.Ramos@comillas.edu TEORÍA DE COLAS 1 Ua cola se produce cuado la demada de u servicio por parte de los
Más detallesIES Fco Ayala de Granada Septiembre de 2013 (Modelo 2) Soluciones Germán-Jesús Rubio Luna
SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 013 MODELO OPCIÓN A EJERCICIO 1 (A) Sea R la regió factible defiida por las iecuacioes x 3y, x 5, y 1. (0 5 putos) Razoe si el puto (4 5,1 55) perteece
Más detallesCONCEPTOS BÁSICOS DE DIRECCIÓN FINANCIERA: SELECCIÓN DE INVERSIONES. Mercedes Fernández mercedes@upucomillas.es
CONCEPTOS BÁSICOS DE DIRECCIÓN FINANCIERA: SELECCIÓN DE INVERSIONES Mercedes Ferádez mercedes@upucomillas.es CONTENIDO El valor temporal del diero. Selecció de iversioes CONTENIDO El valor temporal del
Más detallesMODELOS Y MÉTODOS DE SIMULACIÓN ESTOCÁSTICA. APLICACIÓN EN LA VALORACIÓN DE OPCIONES FINANCIERAS
E INVESTIGACIÓN OPERATIVA I MODELOS Y MÉTODOS DE SIMULACIÓN ESTOCÁSTICA. APLICACIÓN EN LA VALORACIÓN DE OPCIONES FINANCIERAS Begoña Vitoriao bvitoriao@mat.ucm.es Uiversidad Complutese de Madrid ÍNDICE
Más detallesFigura 9.1: Respuesta típica al escalón unitario de un sistema de control. Análisis de Sistemas Lineales 95 Ing. Eduardo Interiano
(VSHFLILFDFLRQHVHQHOGRPLQLRGHOWLHPSR E capítulos ateriores se ha estudiado la respuesta de estado estable de los sistemas lieales ( cuado tæ ), estudiaremos ahora la respuesta trasitoria. La respuesta
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesLOGARITMOS. Ejercicio 1 Determine los respectivos dominios de existencia de las siguientes funciones: 2
LOGARITMOS Como seguramete el estudiate recordará, e cuarto año apredió a traajar co los aritmos, y allí se eteró de que éstos se defie a partir de la ecesidad de despejar el expoete de ua potecia. Vamos
Más detalles-6-2 1 15 5-6 10 1-4 15 5-6 10 1-4
IES Fco Ayala de Graada Sobrates de 2002 (Modelo 6 Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 2 1-1 Sea la matriz A = 0 m-6 m+1 2 0 (1 puto) Calcule los valores de m para que dicha
Más detallesCONCEPTOS BÁSICOS DE PRESTAMOS.
GESTIÓN FINANCIERA. TEMA 8º. PRESTAMOS. 1.- Coceptos básicos de préstamos. CONCEPTOS BÁSICOS DE PRESTAMOS. Coceptos básicos de prestamos. Préstamo. U préstamo es la operació fiaciera que cosiste e la etrega,
Más detallesESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,
Más detallesEjercicio 1. Sea el recinto limitado por las siguientes inecuaciones: y + 2x 2; 2y 3x 3; 3y x 6.
Materiales producidos e el curso: Curso realizado e colaboració etre la Editorial Bruño y el IUCE de la UAM de Madrid del 1 de marzo al 30 de abril de 013 Título: Curso Moodle para matemáticas de la ESO
Más detallesINFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS
INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS 1. El peso medio de ua muestra aleatoria de 100 arajas de ua determiada variedad es de 272 g. Se sabe que la desviació típica poblacioal es de 20 g. A u ivel
Más detallesINFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN
INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)
Más detallesTema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.
UH ctualizació de oocimietos de Matemáticas ara Tema Poliomios y otras eresioes algebraicas Estos cocetos está etraídos del libro Matemáticas de achillerato McGrawHill Poliomios: oeracioes co oliomios
Más detallesINSTITUTO DE FÍSICA MECÁNICA ESTADÍSTICA. Curso 2012. Práctico I Introducción a los Métodos Estadísticos. Fecha de Entrega: 5 de Setiembre de 2012.
INSTITUTO DE FÍSICA MECÁNICA ESTADÍSTICA Curso 01 Práctico I Itroducció a los Métodos Estadísticos. Fecha de Etrega: 5 de Setiembre de 01. 1 Parte A: Ejercicios Teóricos: Ejercicio N o 1 Pruebas de Beroulli
Más detalles1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)
Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =
Más detallesUNIDAD 8 MODELO DE ASIGNACIÓN. características de asignación. método húngaro o de matriz reducida.
UNIDAD 8 MODELO DE ASIGNACIÓN características de asigació. método húgaro o de matriz reducida. Ivestigació de operacioes Itroducció U caso particular del modelo de trasporte es el modelo de asigació,
Más detallesIES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 006 (Modelo Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (1 5 putos) Represete gráficamete el recito defiido por el siguiete sistema de iecuacioes:
Más detallesGradiente, divergencia y rotacional
Lecció 2 Gradiete, divergecia y rotacioal 2.1. Gradiete de u campo escalar Campos escalares. U campo escalar e R es ua fució f : Ω R, dode Ω es u subcojuto de R. Usualmete Ω será u cojuto abierto. Para
Más detallesEste centro consta de 20 cuartos sencillos, 12 cuartos dobles, 7 corredores y 4 salas de sesiones.
reguta 6 utos Ua empresa de limpieza cotrata persoal e forma putual depediedo de las solicitudes de trabajo de sus clietes. ara el iicio de ua coferecia iteracioal, u cliete platea la limpieza a fodo del
Más detallesPolinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios
Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció
Más detallesIES Fco Ayala de Granada Sobrantes de 2008 (Modelo 1) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 008 (Modelo 1) Germá-Jesús Rubio Lua SOLUCIONES PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 007-008 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN A
Más detallesLA TRANSFORMADA Z { } CAPÍTULO SEIS. T n n. 6.1 Introducción
CAPÍTULO SEIS LA TRANSFORMADA Z 6. Itroducció E el Capítulo 5 se itrodujo la trasformada de Laplace. E este capítulo presetamos la trasformada Z, que es la cotraparte e tiempo discreto de la trasformada
Más detallesUNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.
UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses
Más detallesCAL. CONTROL Y ASEGURAMIENTO DE CALIDAD
MCAL103/03 LIBRO: PARTE: TÍTULO: CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD 1. CONTROL DE CALIDAD 03. Aálisis Estadísticos de Cotrol de Calidad A. CONTENIDO Este Maual cotiee los procedimietos para aalizar,
Más detallesFORMULAS PARA EL PRODUCTO: CREDITO A LA MICROEMPRESA
FORMULAS PARA EL PRODUCTO: CREDITO A LA MICROEMPRESA DEFINICIONES: CRÉDITO A LA MICROEMPRESA: So aquellos créditos que se otorga a persoas aturales y jurídicas que realiza algua actividad ecoómica por
Más detallesCuadro II.1 Valores absolutos de peso (kg) de niños y niñas < 5 años de Costa Rica, 1966. pc3. pc25 5.3 5.6 5.7 6.1 7.2 5.5 7.6 7.8 8.4 6.4 7.4 9.
II. CRECIMIENTO FÍSICO EN CENTROAMÉRICA Y REPÚBLICA DOMINICANA: MEDIDAS ABSOLUTAS PESO Y TALLA, POR EDAD Y SEXO Y COMPARACIÓN CON EL PATRÓN CRECIMIENTO LA OMS (2005) A. Por países 1. Costa Rica E los cuadros
Más detallesMARTINGALAS Rosario Romera Febrero 2009
1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre
Más detallesANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES
ANEXO F CRITERIOS DE EVALUACIÓN ECONÓMICA DE LAS OPCIONES DE PML TÉCNICAMENTE VIABLES Las medidas de PML a ser implemetadas, se recomieda e base a las opcioes de PML calificadas como ecoómicamete factibles.
Más detallesSOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª. 1. Sean a, b y n enteros positivos tales que a b y ab 1 n. Prueba que
SOLUCIONES DE LOS PROBLEMAS DE LA OME 49ª Sea a, b y eteros positivos tales que a b y ab Prueba que a b 4 Idica justificadamete cuádo se alcaa la igualdad Supogamos que el resultado a demostrar fuera falso
Más 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 detallesLímite de una función
Límite de ua fució SOLUCIONARIO Límite de ua fució LITERATURA Y MATEMÁTICAS El ocho Sharrif iba sacado los libros [de mi bolsa] y ordeádolos e ua pila sobre el escritorio mietras leía cuidadosamete los
Más detalles