La Conjetura de Correlación Gaussiana: Demostración en el Plano
|
|
- Francisca Elvira Macías Olivera
- hace 6 años
- Vistas:
Transcripción
1 La Conjetura de Correlación Gaussiana: Demostración en el Plano Saúl oscano Palmerín * Departamento de Matemáticas Universidad de Guanajuato toscano.saul@gmail.com Verano del 2011 Resumen Se analiza y se desglosa la demostración que da Loren D. Pitt para la conjetura de correlación gaussiana en el plano. En el apéndice se presentan definiciones y material para comprender el artículo. La conjetura enuncia que si A y B son dos conjuntos convexos y simétricos en R n, X un vector aleatorio con distribución normal multivariante con vector de esperanza cero y matriz de covarianza la identidad, entonces P[X A B] P[X A]P[X B]. Otra formulación y su prueba se enuncian en el eorema 3. El siguiente resultado de análisis es fundamental para probar la conjetura en el plano. eorema 1. Sean f(x) y g(x) funciones en R 2 pares, suaves y casicóncavas. Supongamos también que los gradientes f(x) y g(x) nunca se anulan si x=0. Entonces para cualquier función no negativa φ(x) =φ( x ) que sea una función decreciente de x, siempre que la integral converja. R 2 f(x) g(x)φ(x)d 2 x 0 * rabajo realizado durante el IV Verano de Probabilidad y Estadística del CIMA bajo la dirección del Dr. Víctor Manuel Pérez Abreu Carrión. 1
2 Demostración. Consideremos el conjunto F (λ) {x : f(x) λ} donde λ R {f(0)}. Elcualessimétricopuesf es par. Consideremos el conjunto B = {x : f(x) <λ} que es abierto pues f es continua y por ende F (λ) es cerrado. ambién F (λ) es convexo, pues si t (0, 1) f((1 t)x + ty) min(f(x),f(y)) λ por ser f casi-cóncava. s Demostremos que F(λ) ={x : f(x) =λ} o F(λ) =. Supongamosque F(λ)=, deaquíque F(λ) =F (λ) (F (λ)) c = F (λ) (F (λ) c ) = Observemos que F(λ) {x : f(x) λ}, pues si x es tal que f(x) >λ, como f es continua existe >0 tal que si z B (x) entonces f(z) >λ,por ende x/ (F (λ) c ).Usandoloanteriorobtenemosque F(λ) {x : f(x) =λ}. Finalmente F(λ) ={x : f(x) =λ}, puessiexistierax tal que f(x) =λ yque x/ F(λ), entoncesexisteb (x) F (λ) yporende f(x) =0.Porhipótesis x = 0,asíquetenemosunacontradicción.Enelcasoque F(λ) ={x : f(x) =λ}, como f(x)=0 si x=0, entonces F(λ) es una curva suave, simétrica y convexa en R 2. Resultados similares se obtienen para G(µ) ={x : g(x) µ} y G(µ) ={x : g(x) =µ}. Para cada x=0 sea θ(x), 0 θ(x) < π 1, el ángulo entre los vectores f(x) y g(x). Esdecir,cos θ(x) = f(x) g(x) f(x) g(x), f(x) es la normal interior a la curva F(f(x)) y g(x) es la normal interior a la curva G(g(x)). Sea = {x R 2 : π 2 <θ(x)<π} yparacadax definamos y = α(x) el primer punto de G(g(x)) que se alcanza desde x recorriendo la curva F(f(x)) en sentido contrario a las manecillas del reloj. Demostremos que α está bien definida, es decir hay que probar que existe un primer punto en que la función satisface lo anterior. Como f y g son pares existe un punto. Ahora hay que probar que F(f(x))y G(g(x)) no coinciden en un intervalo de puntos en dirección contraria a las manecillas del reloj. Para esto sean γ 1 y γ 2 las curvas respectivas con γ 1 (0) = γ 2 (0) = x, sisucedieraloanteriorentoncestendríamos que γ1(0) = γ2(0) yportantoθ(x) {0,π}, locualesunacontradicción. De la Figura 1 A = 180 θ(x) r s<90 r s 90, p = a 2 + b 2 2ab cos A, q = a 2 + b 2 +2ab cos A. 1 Si θ(x) =π, entonces f(x) = β g(x) con β>0, pero la dirección de f(x) es hacia el interior de la curva F(f(x)) y la dirección de g(x) sería hacia el exterior de la curva G(g(x)), lo cual es imposible. 2
3 Figura 1: n 1 = f(x) f(x), n 2 = g(x) g(x) ; t 1 =tangente a la curva F(f(x)), t 2 =tangente a la curva G(g(x)). Además cos A 0 cos A cos A a 2 + b 2 2ab cos A a 2 + b 2 +2ab cos A p q y x. (1) Luego, 180 θ(y) + 2(180 B)+B k l = θ(y) k l B =0 θ(y) = 180 k l A<90 k l θ(y) es agudo. Como π 2 <θ(x) <π 0 < cot θ(x). Porloanterior, θ(y) = A k l = 180 θ(x) m (m 0) 0 θ(x)+θ(y) = 180 m 180 sin(θ(x)+θ(y)) 0 cos θ(y)sinθ(x) + cos θ(x)sinθ(y) 0 cos θ(x)sinθ(y) cos θ(y)sinθ(x) cos θ(x) cos θ(y) si θ(y) > 0 sin θ(x) sin θ(y) cot θ(x) cot θ(y) si θ(y) > 0. (2) 3
4 Definamos 0 = {x : θ(α(x))=0} y la función Φ : R 2 R 2 por Φ(x) =(f(x),g(x)). EldeterminanteJacobianoes J Φ (x) = f x1 (x)g x2 (x) f x2 (x)g x1 (x) = f(x) g(x) sin θ(x) (3) Si x, Φ(α(x)) = Φ(x) yentoncesφ( 0 )=Φ(α( 0 )). Si α(x) α( 0 ) θ(α(x)) = 0 f(α(x)) g(α(x)) f(α(x)) g(α(x)) =1 DΦ(α(x)) =0 rankdφ(α(x)) < 2 α( 0 ) {x R 2 : rankdφ(x) < 2}. Por el eorema de Sard y Brown (ver [4]) m(φ({x : rankdφ(x) < 2})) = 0 m(φ( 0 )) = m(φ(α( 0 ))) = 0. Sean B 1 = {(x,.y) R 2 : x>0} y B 2 = {(x, y) R 2 : x<0}. Observemos que Φ es inyectiva en B 1,puessi Φ(x) = Φ(y) f(x) =f(y) y g(x) =g(y) y = α(x) pero θ(y)es agudo lo cual es una contradicción, y = α(x) pero θ(y) es agudo lo cual es una contradicción, y = x pero x/ C. Por ende Φ es inyectiva. Análogamente Φ es inyectiva en B 2.ambiénΦ C 1 y J Φ (x) =0 si x 0.Enlistemosotroshechosnecesariosyfácilesdever: J Φ (x) es medible, θ es continua pues θ(x) = arc cos(n 1 (x)n 2 (x)), 0 es medible pues θ es continua y α también, 0 es abierto (pues f y g son continuas) 0 es medible, B 1 y B 2 son abiertos, y por ende, Φ(B 1 ) y Φ(B 2 ) son abiertos. Sean H i :Φ(B i ) R 2 definidas por H i (x) =Φ 1 (x) con i =1, 2. Como J Φ (x) =0 si x,entoncesh i C 1 yporendesonmedibles.además,h i es diferenciable en el conjunto medible Φ(B i c 0 ) 2 con i =1, 2. Usandoelhechodeque 2 Son medibles pues m(φ( 0 )) = 0. 4
5 m(φ(b i 0 ))=0 con i =1, 2,concluímosquem(H i (Φ(B i c 0 )) = 0 (ver [3, Cap. 15. J, p. 500]) y por ende m(b i c 0 )=0 3 con i =1, 2. Luego c 0 = (B 1 c 0 ) B 2 c 0 ) ( c 0 {(0,y) R 2 }, ( c 0 {(0,y) R 2 }) {(0,y) R 2 } de donde m(( c 0 {(0,y) R 2 })) = 0 m( c 0 )=0. Ahora demostremos que α C 1 ( 0 ),Pittindicaqueprimerohayquedemostrar la continuidad y luego aplicando la regla de la cadena a Φ(α(x)) = Φ(x) se obtiene que α es diferenciable, sin embargo yo voy a dar una demostración de esto mismo usando el teorema de la función inversa. Sea x 0 entonces θ(α(x))=0, portanto J Φ (x) =0, dedondedφ(α(x)) es invertible. Usando lo anterior y que Φ C 1 (R 2 ),porelteoremadelafunción inversa, existe R : U V tal que R C 1 (U), Φ(x) =Φ(α(x)) U, α(x) V y (R Φ)(α(x)) = α(x). Asíque α(x) =(R Φ)(α(x)) = (R Φ)(x) α C 1 ( 0 ). Usando el hecho de que Φ(α(x)) = Φ(x), obtenemos J α (x) = J Φ (x) J Φ (α(x)) 1. (4) Fácilmente vemos que 0 α(0 )=, puessix 0 α(0 ) θ(x) π 2 lo cual es una contradicción. Notemos que si x/ 0 θ(x) π 2 cos θ(x) 0 f(x) g(x) 0. ambién α es 1 1 en 0,dadoquesi α(x) = α(y) f(α(x)) = f(α(y)) = f(x) =f(y) y g(α(x)) = g(x) =g(α(y)) = g(y) Φ(x) =Φ(y) x = y. Hacemos notar los siguientes hechos: φ es medible, pues si a R {x : φ( x ) a} = {x : x φ 1 (a)} M(m), donde φ 1 (a) =inf{ x : φ( x ) a}. α( 0 ) es medible, pues 0 es abierto, α C 1 ( 0 ) y J α (x) =0 six 0. 3 B i c 0 H i (Φ(B i c 0 ))con i =1, 2. 5
6 Ahora, usando (4), (3), (2) y (1) f(x) g(x)φ(x)d 2 x = f(α(x)) g(α(x))φ(α(x)) J α (x) d 2 x α( 0) = 0 f(α(x)) g(α(x))φ(α(x)) J Φ (x) J Φ (α(x)) 1 d 2 x = 0 cot(θ(x))φ(α(x)) J Φ (x) d 2 x 0 cot(θ(x))φ(x) J Φ (x) d 2 x 0 = 0 f(x) g(x)φ(x)d 2 x. (5) Usando que c = α( 0 ) ( c 0 ) (θ(α( 0 )) π 2 ), 0 ( 0 ) c = y(5) f(x) g(x)φ(x)d 2 x = f(x) g(x)φ(x)d 2 x + f(x) g(x)φ(x)d 2 x R f(x) g(x)φ(x)d 2 x = + c f(x) g(x)φ(x)d 2 x + 0 f(x) g(x)φ(x)d 2 x α( 0) f(x) g(x)φ(x)d 2 x c α( 0) Lo cual termina la demostración 4. f(x) g(x)φ(x)d 2 x f(x) g(x)φ(x)d 2 x α( 0) Ahora demostraremos otro teorema, sobre la distribución gaussiana multivariante, que hace uso del teorema anterior. El eorema 2 nos permitirá demostrar la conjetura de correlación gaussiana en el plano. 4 Si = el teorema es trivialmente cierto. 6
7 Antes de enunciar el próximo teorema, consideremos el vector aleatorio (X 1,,X n,y 1,,Y n ) distribuido con la densidad normal con media cero Σ11 Σ ymatrizdecovarianzaσ donde Σ= 12 Σ ;dondeσ 12 Σ 11 =(EX i X j ), 22 Σ 22 =(EY i Y j ) y Σ 12 =(EX i Y j ).SeanX =(X 1,,X n ) y Y =(Y 1,,Y n ). Para conjuntos convexos y simétricos A, B R n definamos la probabilidad Σ11 λσ p(σ) = P{X A; Y B}. Paraλ, 0 λ 1, lamatrizσ λ = 12 λσ 12 Σ 22 es una matriz definida positiva. Dado que Si λ =0, (x, y) Si 0 <λ<1, Σ11 0 (x, y) = xσ 0 Σ 11 x + yσ 22 y > 0 si (x, y)=0. 22 (x, y)σ λ (x, y) = xσ 11 x + λyσ t 12x + λxσ 12 y + yσ 22 y > xσ 11 x λxσ 11 x λyσ 22 y + yσ 22 y > 0 si (x, y)=0. Por ende, podemos considerar la probabilidad p(σ λ ) como función de λ, con 0 λ 1. eorema 2. Con la notación de arriba, si rank(σ 12 ) 2 entonces p(σ λ ) es una función creciente de λ, con0 λ 1. Demostración. Sin pérdida de generalidad podemos suponer que rankσ 11 = rankσ 22 = n. Introduciendo variables canónicas (ver [1, Cap. 12]) también podemos asumir que Σ 11 =Σ 22 =IyqueΣ 12 es diagonal con entradas no negativas. Por tanto, sea Σ 12 = diag(λ 1,,λ n ) con 1 λ 1 λ 2 0. Como rankσ 12 2 entonces λ 3 = λ 4 = = λ n =0.Observemosprimero que 1 A (x) y 1 B (y) son funciones pares y log-cóncavas. Son pares dado que A y B son simétricos. La log-cóncavidad es trivial revisarla. ambién tenemos que 1 A L(R n ),respectoalamedidagaussiana. Definamos φ(x) = donde c = 0 si x 1 1 c exp 1 1 x si x < 1 2 B(0,1) exp 1 1 x 2 dx. Sea φ a (x) =a n φ( x a ) con a (0, ). Enlistemoslossiguienteshechos(ver [3, Cap. 7.C, p. 176]) φ a C, 7
8 φ a 0, φ a > 0 x <a, R n φ a (x)dx =1, φ a es log-cóncava. Luego, f a =1 A φ a es log-cóncava (ver [2]), también f a (x) 1 y f a 1 A en L(R n ) cuando a 0; ver [3, Chapter 12.C, p. 287]. Resultados análogos, se obtienen para las funciones g a =1 B φ a.usandoque f a (x)g a (y) 1 con (x, y) R 2n y el eorema de Convergencia Dominada con respecto a la medida gaussiana en R 2n E(1A(X)1B(Y )) = lim a 0 E(f a(x)g a (y)) Por ende, es suficiente probar que la esperanza E(λ) =Ef a (X)g a (Y ) es una función creciente de λ para un a fijo. Demostremos que R =(X 3,,X n ) y S =(X 1,X 2,Y 1,Y 2 ) son independientes. Como Σ 12 = diag(λ 1,λ 2, 0,, 0) entonces E(X j Y i )=0con j 3, 1 i 2. UsandoqueΣ 11 = I entonces E(X j X i )=0con j 3, 1 i 2, de lo anterior que sean independientes. Además, E(f a (X) X 1,X 2,Y 1,Y 2 )= f a (x)f X3, X n (x 3,,x n )dx 3 dx n = f(x 1,X 2 ). R n-2 donde f(x 1,x 2 )=(2π) (n 2)/2 f a (x)exp( 1 2 n 3 x2 j )dx 3 dx n. Asimismo, E(g a (Y ) X 1,X 2,Y 1,Y 2 )= g a (y)f Y3, Y n (y 3,,y n )dy 3 dy n = g(y 1,Y 2 ) R n-2 donde g(y 1,y 2 )=(2π) (n 2)/2 g a (y)exp( 1 2 n 3 y2 j )dy 3 dy n. Sean Así que, ψ(x 1, X 2,Y 1,Y 2 ) = E(f a (X) X 1,X 2,Y 2,Y 1 ), Υ(X 1,X 2,Y 1,Y 2 ) = E(g a (Y ) X 1,X 2,Y 1,Y 2 ). E(ψ(X 1, X 2,Y 1,Y 2 )Υ(X 1,X 2,Y 1,Y 2 )) = E(f a (X)Υ(X 1,X 2,Y 1,Y 2 )) = E(f a (X)g a (Y )) = E(f(X 1,X 2 )g(y 1,Y 2 )) en donde f(x 1,x 2 ) y g(y 1,y 2 ) son log-cóncavas, dado que (ver Propiedad B7 en Apéndice) f a (x)exp( 1 2 n 3 x 2 j) y g a (y)exp( 1 n 2 3 y2 j ) son log-cóncavas. 8
9 Haciendo cálculos se ve fácilmente que la densidad condicional de (Y 1,Y 2 ) dado que (X 1,X 2 )=(x 1,x 2 ) es 2 p(λ, x 1,x 2 ; y 1,y 2 )= 2π(1 (λλj ) exp 1 (λλ j x j y j ) (λλ j ) 2. j=1 Sean n(x 1,x 2 ) = (2π) 1 exp g(λ, x 1,x 2 ) = = x2 1 + x 2 2 2, p(λ, x 1,x 2 ; y 1,y 2 )g(y 1,y 2 )dy 1 dy 2. Usando el hecho de que f(x 1,x 2 ), g(y 1,y 2 ), f X1,X 2,Y 1,Y 2 (x 1,x 2,y 1,y 2 ) 0 y las funciones son medibles, por el eorema de Fubini E(λ) = f(x 1,x 2 )g(y 1,y 2 )f X1,X 2,Y 1,Y 2 (x 1,x 2,y 1,y 2 )dx 1 dx 2 dy 1 dy 2 = f(x 1,x 2 )g(y 1,y 2 )p(λ, x 1,x 2 ; y 1,y 2 )n(x 1,x 2 )dx 1 dx 2 dy 1 dy 2 = f(x 1,x 2 )g(λ, x 1,x 2 )n(x 1,x 2 )dx 1 dx 2. Sea λ = e t, <t 0. Haciendocálculosseverificaque 2 t g(et,x 1,x 2 )= 2 x j g(e t,x 1,x 2 ) x j x 2 j=1 j yrealizandounaintegraciónporpartes t E(et )= f(x 1,x 2 ) g(e t,x 1,x 2 )n(x 1,x 2 )dx 1 dx 2. Como p(λ, x 1,x 2 ; y 1,y 2 ) es log-cóncava, entonces g(e t,x 1,x 2 ) es log-cóncava. Como n es radialmente decreciente, por el eorema 1 t E(et ) 0 (las funciones log-cóncavas y pares son casi-cóncavas) y se sigue el resultado. Con los teoremas anteriores estamos listos para demostrar la conjetura de correlación gaussiana en el plano. 9
10 eorema 3. Sea γ(x) = 1 x 2 2π exp( 2 ) con x R2.SiA y B son conjuntos simétricos y convexos entonces A B γ(x)d 2 x ( γ(x)d 2 x)( γ(x)d 2 x) A B Demostración. Es claroque P(X A) y P(Y B) nodependendeλ. Σ11 0 Además, Σ λ cuando λ 0; deaquíquecuandoλ 0 X y 0 Σ 22 Y son independientes, por ende limp(σ λ )=P(X A)P(X B). Usando el λ 0 eorema 2 con n =2y Σ 11 =Σ 12 =Σ 22 = I obtenemos el resultado, a saber P(X A; Y B) P(X A)P(Y B) yseconcluyeelteorema. 10
11 Apéndice: Funciones casi-cóncavas y log-cóncavas. Se enlistan las principales propiedades de estas funciones; ver [2] y [6]. A) Funciones casi-cóncavas. 1. Una función h(x) definida en R n se dice casi-cóncava si para cualesquiera x 1,x 2 R n y 0 <λ<1, h(λx 1 +(1 λ)x 2 ) min{h(x 1 ),h(x 2 )}. 2. Si f es cóncava entonces f es casi-cóncava. 3. Supongamos que existe la segunda derivada de f yqueescontinúa.sea f(x) = {v : f(x).v =0}. EntoncesD 2 f(x) es semi-definida negativa en f(x) si y sólo si f es casi-cóncava. 4. Si f : R R es monótona entonces es casi-cóncava. 5. Si f C 2 (R 2 ), f es casi-cóncava si 2f x f y f xy f 2 xf yy f 2 y f xx 0.. B) Funciones log-cóncavas. 1. Una función f(x) no-negativa definida en R n se dice log-cóncava si a) el conjunto E f 0 = {x:f(x)>0} es abierto; b) f(x) es continua en Ef 0 ; c) para cualesquiera x 1,x 2 R n f((x 1 + x 2 )/2) f(x 1 )f(x 2 ). 2. Si f y g son log-cóncavas entonces fg también lo es. 3. Sea E R n. E es convexo y abierto si y sólo si χ E es log-cóncava. 4. Si fes log-cóncava para cualesquiera x 1,x 2 R n y 0 <λ<1, f(λx 1 +(1 λ)x 2 ) [f(x 1 )] λ [f(x 2 )] 1 λ. 5. Si f y g son log-cóncavas entonces (f g)(x) = R n f(y)g(x y)dy es log-cóncava. 6. Si f es log-cóncava entonces es casi-cóncava. 7. Si H(x 1,,x k,y 1,,y l ) es log-cóncava entonces h(x 1, x k )= H(x 1,,x k,y 1,,y l )dy 1 dy l es log-cóncava. 11
12 Referencias [1] ANDERSON,.W. (1958). An Introduction to Multivariate Statistical Analysis. Wiley, New York. [2] DAVIDOVIC, Ju. S., KORENBLIUM, B..J. and HACE, B.I. (1969). A property of logarithmically concave functions. Soviet Math. Dokl [3] JONES, Frank. (1993). Lebesgue Integration on Euclidean Space. Jones and Bartlett Publishers. [4] MILNOR, J. (1965). opology for the Differentiable Viewpoint. Univ. Press of Virginia, Charlottesville. [5] PI, L. (1977). A Gaussian Correlation Inequality for Symmetric Convex Sets. University of Virginia. he Annals of Probability, 5, [6] PRÉKOPA, A. (1973). On logarithmic concave measures and functions. Acta Sci. Math
Derivada de la función compuesta. Regla de la cadena
Derivada de la función compuesta. Regla de la cadena Cuando en las matemáticas de bachillerato se introduce el concepto de derivada, su significado y su interpretación geométrica, se pasa al cálculo de
Más detallesVariables aleatorias continuas, TCL y Esperanza Condicional
Variables aleatorias continuas, TCL y Esperanza Condicional FaMAF 17 de marzo, 2011 1 / 37 Poisson P(λ) Número de éxitos en una cantidad grande de ensayos independientes Rango: {0, 1, 2,... } = {0} N Función
Más detallesCurso Propedéutico de Cálculo Sesión 3: Derivadas
Curso Propedéutico de Cálculo Sesión 3: Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico Esquema 1 2 3 4 5 6 7 Esquema 1 2 3 4 5 6 7 Introducción La derivada
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 detallesTema 4: Variables aleatorias multidimensionales
Tema 4: Variables aleatorias multidimensionales Los contenidos a desarrollar en este tema son los siguientes: Distribución conjunta de probabilidad Probabilidad/densidad marginales y condicionadas Independencia
Más detallesFunciones convexas Definición de función convexa. Tema 10
Tema 10 Funciones convexas Los resultados obtenidos en el desarrollo del cálculo diferencial nos permiten estudiar con facilidad una importante familia de funciones reales de variable real definidas en
Más detallesIntegral de Lebesgue
Integral de Lebesgue Problemas para examen n todos los problemas se supone que (, F, µ) es un espacio de medida. Integración de funciones simples positivas. La representación canónica de una función simple
Más detallesProblemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás
Problemas de Selectividad de Matemáticas II Comunidad de Madrid (Resueltos) Isaac Musat Hervás de mayo de 13 Capítulo 6 Año 5 6.1. Modelo 5 - Opción A Problema 6.1.1 ( puntos) Justificar razonadamente
Más detallesTema 3: Funcio n de Variable Aleatoria
Tema 3: Funcio n de Variable Aleatoria Teorı a de la Comunicacio n Curso 2007-2008 Contenido 1 Función de una Variable Aleatoria 2 3 Cálculo de la fdp 4 Generación de Números Aleatorios 5 Momentos de una
Más detallesTema 3: Función de Variable Aleatoria y Teoremas Asintóticos
Tema 3: Función de Variable Aleatoria y Teoremas Asintóticos Curso 2016-2017 Contenido 1 Función de una Variable Aleatoria 2 Cálculo de la fdp 3 Generación de Números Aleatorios 4 Momentos de una Variable
Más detallesDefinición Una hipótesis es una afirmación acerca de un parámetro.
Capítulo 8 Prueba de hipótesis Existen dos áreas de interés en el proceso de inferencia estadística: la estimación puntual y las pruebas de hipótesis. En este capítulo se presentan algunos métodos para
Más detallesNotas sobre el teorema minimax
Notas sobre el teorema mini Antonio Martinón Abril de 2012 1 Teoremas mini Sean X e Y dos conjuntos no vacíos y consideremos una función Se verifica sup inf efectivamente, dado x X resulta claro que f
Más detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detallesGeneración de variables aleatorias continuas Método de rechazo
Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa
Más detallessi existe un entorno V de a contenido en A, tal que la diferencia f(x) f(a) no cambia de signo cuando x V :
Capítulo 7 Extremos Relativos Una aplicación clásica del Teorema Local de Taylor es el estudio de los extremos relativos de una función escalar. Aunque la analogía con el caso de una variable es total,
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 detallesTema 4: Variables aleatorias multidimensionales
1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica
Más detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
Más detallesPart I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas
Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando
Más detallesFunciones de Variable Real
Tema 1 Funciones de Variable Real 1.1. La Recta Real Los números reales se pueden ordenar como los puntos de una recta. Los enteros positivos {1, 2, 3, 4,...} que surgen al contar, se llaman números naturales
Más detallesEJERCICIOS RESUELTOS. NÚMEROS Y FUNCIONES. CONTINUIDAD Y LÍMITE FUNCIONAL.
EJERCICIOS RESUELTOS. NÚMEROS Y FUNCIONES. CONTINUIDAD Y LÍMITE FUNCIONAL. 1. Estúdiese la continuidad de la función f : R R, definida por f (x) = xe(1/x) si x = 0, f (0) = 1.. Sea f : R R continua, mayorada
Más detallesTeorema del Valor Medio
Tema 6 Teorema del Valor Medio Abordamos en este tema el estudio del resultado más importante del cálculo diferencial en una variable, el Teorema del Valor Medio, debido al matemático italo-francés Joseph
Más detalles2 x
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo Diferencial e Integral 08-2 Importante: Visita regularmente ttp://www.dim.ucile.cl/~calculo. Aí encontrarás las guías de ejercicios
Más detalles2. Continuidad y derivabilidad. Aplicaciones
Métodos Matemáticos (Curso 2013 2014) Grado en Óptica y Optometría 7 2. Continuidad y derivabilidad. Aplicaciones Límite de una función en un punto Sea una función f(x) definida en el entorno de un punto
Más detallesDistribuciones Probabilísticas. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Distribuciones Probabilísticas Curso de Estadística TAE,005 J.J. Gómez Cadenas Distribución Binomial Considerar N observaciones independientes tales que: El resultado de cada experimento es acierto o fallo
Más detallesFunción diferenciable Regla de la cadena (2 variables) Regla de la cadena (vectorial) Diferenciabilidad
Diferenciabilidad 1 Función diferenciable 2 Regla de la cadena (2 variables) 3 Regla de la cadena (vectorial) OBJETIVO Generalizar el concepto de diferenciabilidad (conocido ya para funciones de una variable)
Más detallesUniversidad de Oriente Núcleo de Bolívar Departamento de Ciencias Área de Matemática Asignatura: Matemática ( )
Universidad de Oriente Núcleo de Bolívar Departamento de Ciencias Área de Matemática Asignatura: Matemática (0081714) UNIDAD N 4 (APLICACIONES DE LA DERIVADA) Profesora: Yulimar Matute Febrero 2012 RECTA
Más detallesDerivación. Aproximaciones por polinomios.
Derivación... 1 1 Departamento de Matemáticas. Universidad de Alcalá de Henares. Matemáticas (Grado en Químicas) Contenidos Derivada 1 Derivada 2 3 4 5 6 Outline Derivada 1 Derivada 2 3 4 5 6 Definición
Más detallesVariables aleatorias múltiples
Chapter 4 Variables aleatorias múltiples 4.. Distribución conjunta y marginal Definición 4.. Un vector aleatorio n-dimensional es una función que va de un espacio muestral S a un espacio euclediano n-dimensional
Más detallesCurso de Probabilidad y Estadística
Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica
Más detallesn a k x k c) f (x) = 1 x n d) f (x) = x k=0 h (x) = f (x)
Universidad de la República Cálculo 1 Facultad de Ingeniería - IMERL Segundo Semestre 2016 Práctico 5 - Derivación, primera parte En este practico se aceptarán como regla las siguiente derivadas (e x )
Más detallesUNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS (SOLUCIONES ) HOJA 3: Derivadas parciales y diferenciación.
UNIVERSIDAD CARLOS III DE MADRID MATEMÁTICAS PARA LA ECONOMÍA II PROBLEMAS SOLUCIONES ) 3-1. Calcular, para las siguientes funciones. a) fx, y) x cos x sen y b) fx, y) e xy c) fx, y) x + y ) lnx + y )
Más detallesTEMA 2: DISTRIBUCIONES DE PROBABILIDAD
ESTADÍSTICA, CURSO 008 009 TEMA : DISTRIBUCIONES DE PROBABILIDAD LEYES DE PROBABILIDAD. SUCESOS ALEATORIOS Experimetos aleatorios, espacio muestral. Sucesos elemetales y compuestos. Suceso imposible Ø,
Más detallesFigura 1. Círculo unidad. Definición. 1. Llamamos número π (pi) al valor de la integral
ANÁLISIS MATEMÁTICO BÁSICO. LAS FUNCIONES TRIGONOMÉTRICAS. La función f(x) = 1 x 2 es continua en el intervalo [ 1, 1]. Su gráfica como vimos es la semicircunferencia de radio uno centro el origen de coordenadas.
Más detallesContinuidad y monotonía
Tema 14 Continuidad y monotonía Generalizando lo que se hizo en su momento para sucesiones, definiremos la monotonía de una función, en forma bien fácil de adivinar. Probaremos entonces dos resultados
Más detalles3er Concurso Unversitario de Matemáticas Galois-Noether 2013 Segunda Etapa
3er Concurso Unversitario de Matemáticas Galois-Noether 013 Segunda Etapa Sábado 17 de agosto 013 Bienvenido a la Segunda Etapa del Concurso Universitario de Matemáticas Galois-Noether Responde a las preguntas
Más detallesIntroducción a los Procesos de Poisson *
Introducción a los Procesos de Poisson * Victor M. Pérez Abreu C. Departamento de Probabilidad y Estadística, CIMAT David Reynoso Valle Licenciatura en Matemáticas, DEMAT, Universidad de Guanajuato 22
Más detallesIntroducción a la Teoría de la Información
Introducción a la Teoría de la Información Conceptos Básicos. Facultad de Ingeniería, UdelaR (Facultad de Ingeniería, UdelaR) Teoría de la Información 1 / 32 Agenda 1 Definiciones y Propiedades Básicas
Más detallesFunciones de Una Variable Real I. Derivadas
Contents : Derivadas Universidad de Murcia Curso 2010-2011 Contents 1 Funciones derivables Contents 1 Funciones derivables 2 Contents 1 Funciones derivables 2 3 Objetivos Funciones derivables Definir,
Más detallesMA Probabilidades
Facultad de Ciencias Físicas y Matemáticas Universidad de Chile Martinez, Servet MA3401 - Probabilidades Transcriptor: Alan Beltrán Flores 1 Otoño 2013 1 Agradecimientos a Constanza Yovaniniz, Camilo Ulloa
Más detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detallesIntersección y suma de subespacios
Intersección y suma de subespacios Objetivos Demostrar que la intersección y la suma de dos subespacios de un espacio vectorial también son sus subespaicios Requisitos Espacio vectorial, subespacio vectorial
Más detallesVECTORES ALEATORIOS. 1 Introducción. 2 Vectores aleatorios
VECTORES ALEATORIOS 1 Introducción En la vida real es muy frecuente enfrentarnos a problemas en los que nos interesa analizar varias características simultáneamente, como por ejemplo la velocidad de transmisión
Más detallesEjercicios de Variables Aleatorias
Ejercicios de Variables Aleatorias Elisa M. Molanes-López, Depto. Estadística, UC3M Transformaciones de variables aleatorias Ejercicio. Sea X una v.a. continua con función de densidad dada por: /, si
Más detallesEn este capítulo extenderemos la conocida ecuación. g(b) f = f g g, g(a)
Capítulo 6 Cambio de variable 1. Particiones de la Unidad En este capítulo extenderemos la conocida ecuación (6.1) g(b) g(a) f = b a f g g, válida para funciones iemann-integrables f y funciones diferenciables
Más detallesF (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0
Probabilidades y Estadística (M) Práctica 5 1 o cuatrimestre 2014 Vectores aleatorios 1. a) Demostrar que la función F (x, y) = 1 e x y si x 0, y 0 0 en caso contrario no es la función de distribución
Más detallesDefinición 11.1 Sea f : A E F una aplicación r-veces diferenciable en un punto a A. o
Capítulo 11 Teoremas de Taylor Una vez más nos disponemos a extender a las funciones de varias variables resultados ya conocidos para funciones de una variable, los teoremas de aproximación de Taylor.
Más detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
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 detallesContinuidad y monotonía
Tema 14 Continuidad y monotonía Generalizando lo que se hizo en su momento para sucesiones, definiremos la monotonía de una función, en forma bien fácil de adivinar. Probaremos entonces dos resultados
Más detallesDERIVADAS. Problemas con Solución.
DERIVADAS. Problemas con Solución. Aplica la definición de derivada como un límite, para calcular f siendo fx = x + x +. 4. Sea la función fx = x/x, halla la derivada de f en el punto de abcisa usando
Más detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detallesEsperanza condicionada Apuntes de clase Probabilidad II (grupos 31 y 40) Curso
Esperanza condicionada Apuntes de clase Probabilidad II (grupos 31 y 40) Curso 2010-11 Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid Probabilidad y esperanza condicionada: recordatorio
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 detallesEl Teorema de la Convergencia Dominada
Capítulo 22 l Teorema de la Convergencia Dominada Los dos teoremas de convergencia básicos en la integración Lebesgue son el teorema de la convergencia monótona (Lema 19.10), que vimos el capítulo y el
Más detallesComplementos de Análisis. Año 2016
Complementos de Análisis. Año 2016 Práctica 8. Ecuaciones diferenciales ordinarias. 1 Modelando con ecuaciones diferenciales Modelar con ecuaciones diferenciales las siguientes situaciones. Intentar resolver
Más detallesDerivadas. Jesús García de Jalón de la Fuente. IES Ramiro de Maeztu Madrid
Jesús García de Jalón de la Fuente IES Ramiro de Maeztu Madrid Recta tangente a una curva Recta tangente a una curva Recta tangente a una curva Recta tangente a una curva Recta tangente a una curva Recta
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina
Más detallesTema 2.- Formas Cuadráticas.
Álgebra. 004 005. Ingenieros Industriales. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema.- Formas Cuadráticas. Definición y representación matricial. Clasificación de las formas
Más detalles2. Derivación y funciones holomorfas.
18 Funciones de variable compleja. Eleonora Catsigeras. 24 Abril 2006. 2. Derivación y funciones holomorfas. 2.1. Derivación de funciones complejas y funciones holomorfas. Sea Ω abierto contenido en C,
Más detallesCÁLCULO Primer curso de Ingeniero de Telecomunicación Examen Final. 26 de Junio de 2008 Primera parte. =1, a,b > 0.
ÁLULO Primer curso de ngeniero de Telecomunicación Examen Final. 6 de Junio de 8 Primera parte Ejercicio. onsideremos los rectángulos de lados paralelos a los ejes que pueden inscribirse en la elipse x
Más detallesMLG Ana M. Bianco FCEyN
MLG Ana M. Bianco FCEyN 2008 44 Propiedades de los Estimadores de Máxima Verosimilitud Recordemos que si la variable aleatoria Y tiene función de densidad (f.d.)o probabilidad puntual (f.p.p.)f(y, θ),
Más detallesFunciones reales de variable real
Tema Funciones reales de variable real Introducción El objetivo fundamental de este tema es recordar conceptos ya conocidos acerca de las funciones reales de variable real.. Conceptos Generales Definición.
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesPropiedades de la integral
Capítulo 4 Propiedades de la integral En este capítulo estudiaremos las propiedades elementales de la integral. En su mayoría resultarán familiares, pues las propiedades de la integral en R se extienden
Más detallesDerivadas Parciales de Orden Superior
Capítulo 9 Derivadas Parciales de Orden Superior La extensión a funciones de varias variables del concepto de derivada de orden superior, aunque teóricamente no ofrece ninguna dificultad, presenta ciertas
Más detallesDerivada y diferencial
Derivada y diferencial Una cuestión, que aparece en cualquier disciplina científica, es la necesidad de obtener información sobre el cambio o la variación de determinadas cantidades con respecto al tiempo
Más detallesCálculo Diferencial en una variable
Tema 2 Cálculo Diferencial en una variable 2.1. Derivadas La derivada nos proporciona una manera de calcular la tasa de cambio de una función Calculamos la velocidad media como la razón entre la distancia
Más detallesProblemas de VC para EDVC elaborados por C. Mora, Tema 4
Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Ejercicio Determinar las funciones enteras f para las que Solución f( + w) = f()f(w), w C. En primer lugar, f(0) = f(0 + 0) = f(0)f(0) = f(0) 2,
Más detallesCAPÍTULO 4: DERIVADAS DE ORDEN SUPERIOR. En este capítulo D denota un subconjunto abierto de R n.
April 15, 2009 En este capítulo D denota un subconjunto abierto de R n. 1. Introducción Definición 1.1. Dada una aplicación f : D R, definimos la derivada parcial segunda de f como D ij f = 2 f = ( ) x
Más detalles1. Curvas Regulares y Simples
1. Regulares y Simples en R n. Vamos a estudiar algunas aplicaciones del calculo diferencial e integral a funciones que están definidas sobre los puntos de una curva del plano o del espacio, como por ejemplo
Más detallesTema 4: Variable Aleatoria Bidimensional
Curso 2016-2017 Contenido 1 Definición de Variable Aleatoria Bidimensional 2 Distribución y fdp Conjunta 3 Clasificación de Variables Aleatorias Bidimensionales 4 Distribuciones Condicionales 5 Funciones
Más detallesLos lugares geométricos de todos los puntos del espacio en los cuales la magnitud escalar tiene un mismo valor.
2. 2. Introducción A lo largo del estudio de la Física surgen una serie de propiedades, tanto de magnitudes escalares como vectoriales, que se expresan por medio de nuevos conceptos tales como gradiente,
Más detalles1. Funciones medibles
AMARUN www.amarun.net Comisión de Pedagogía - Diego Chamorro Teoría de la medida (Nivel 2). Lección n 4: Construcción de la integral de Lebesgue EPN, verano 2009 1. Funciones medibles Un concepto de medibilidad
Más detallesi j k xy yz xz = = Div Rot F = x y z
Div Rot F, si F = ( xy, yz, xz) 1. Hallar: primero, debemos hallar rotor de la función vectorial. i j k Rot ( F ) = ( xy, yz, xz) =,, ( xy, yz, xz) = x y z xy yz xz ( xz) ( yz) ( xy) ( xz) ( yz) ( xy)
Más detallesEjercicios de Análisis I
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ESCUELA DE MATEMÁTICA LABORATORIO DE FORMAS EN GRUPOS Ejercicios de Análisis I Ramón Bruzual Marisela Domínguez Caracas, Venezuela Febrero 2005 Ramón
Más detallesExtensiones finitas.
2. EXTENSIONES ALGEBRAICAS. Hemos dividido este tema en dos secciones: Extensiones finitas, y Clausura algebraica. En la primera relacionamos extensión finita y extensión algebraica: probamos que toda
Más detallesFUNDAMENTOS DE CONVEXIDAD (Parte 2)
19 de Mayo de 2016 FUNDAMENTOS DE CONVEXIDAD (Parte 2) Postgrado de Investigación de Operaciones Facultad de Ingeniería Universidad Central de Venezuela Programación No Lineal José Luis Quintero 1 Puntos
Más detallesFunciones reales de una variable real. Cálculo diferencial 1
- Fernando Sánchez - - 9 Funciones reales de una variable real Cálculo diferencial Cálculo I 6 05 Se dice que un conjunto A es un entorno de a si a Å. Sea f : A R R una función definida en un entorno de
Más detallesTEMA 1: ECONOMÍAS DE INTERCAMBIO October 6, 2015
TEMA 1: ECONOMÍAS DE INTERCAMBIO October 6, 2015 1. Asignaciones Eficientes, equilibrios de Walras Una economía de intercambio está constituida por un conjunto de agentes {1, 2,..., I}, con sus relaciones
Más detallesDERIVADAS PARCIALES Y APLICACIONES
CAPITULO IV CALCULO II 4.1 DEFINICIÓN DERIVADAS PARCIALES Y APLICACIONES En cálculo una derivada parcial de una función de diversas variables es su derivada respecto a una de esas variables con las otras
Más detallesCÁLCULO DE DERIVADAS.
ANÁLISIS MATEMÁTICO BÁSICO. La Función Derivada. CÁLCULO DE DERIVADAS. Definición.. Sea una función f : R R derivable. Se llama función derivada a la función f : R R x f (x). Observación.. Domf { x R :
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 detallesTEMA 9 DERIVADAS. TÉCNICAS DE DERIVACIÓN 9.1 DERIVADA DE UNA FUNCIÓN EN UN PUNTO
TEMA 9 DERIVADAS. TÉCNICAS DE DERIVACIÓN MATEMÁTICAS II º Bach TEMA 9 DERIVADAS. TÉCNICAS DE DERIVACIÓN 9. DERIVADA DE UNA FUNCIÓN EN UN PUNTO TASA DE VARIACIÓN MEDIA Definición Se llama tasa de variación
Más detallesFormulas Matemáticas
B A C a TRIGONOMETRÍA Radian Grados sen a cos a tag a 0 2π 0 0 1 0 π/6 30º 1 / 2 3 / 2 3 / 3 π/4 45º 2 / 2 2 / 2 1 π/3 60º 3 / 2 1 / 2 3 π/2 90º 1 0 π 180º 0-1 0 3π/2 270º -1 0 sen a = B / C cos a = A
Más detallesy valores extremos. En esta sección estudiaremos los conjuntos convexos. Recordemos que un conjunto K R n es convexo si, para todo x,y K y t [0,1],
Capítulo 4 Convexidad 1. Conjuntos convexos En este capítulo estudiaremos el concepto de convexidad, el cual es sumamente importante en el análisis. Estudiaremos conjuntos convexos y funcionesconvexas
Más detallesNúmeros Reales, Funciones e Inecuaciones.
CAPÍTULO 1 Números Reales, Funciones e Inecuaciones. Estos apuntes corresponden a la preparación de clases de la sección 1. Pretenden complementar el texto guía y no lo reemplazan bajo ninguna circuntancia.
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 detallesEl Teorema de Baire Rodrigo Vargas
El Teorema de Baire Rodrigo Vargas Teorema 1 (Baire). Sea M un espacio métrico completo. Toda intersección numerable de abiertos densos es un subconjunto denso de M. Definición 1. Sea M un espacio métrico.
Más detallesTEMA 3: Probabilidad. Modelos. Probabilidad
TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un
Más detallesVariables aleatorias bidimensionales discretas
Universidad de San Carlos de Guatemala Facultad de Ingeniería Área de Estadística VARIABLES ALEATORIAS BIDIMENSIONALES Concepto: Sean X e Y variables aleatorias. Una variable aleatoria bidimensional (X,
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesMATE 3013 DERIVADAS Y GRAFICAS
MATE 3013 DERIVADAS Y GRAFICAS Extremos relativos La función f tiene un máximo relativo en el valor c si hay un intervalo (r, s), que contiene a c, en el cual f(c) f(x) para toda x entre r y s. Si además,
Más detallesFunciones reales de variable real
Tema Funciones reales de variable real Introducción En este primer tema del Bloque de Cálculo tendremos como objetivo fundamental el recordar conceptos ya conocidos acerca de las funciones reales de variable
Más detallesResumen de Análisis Matemático IV
Resumen de Análisis Matemático IV 1. Funciones inversas e implícitas y extremos condicionados 1.1. Teorema de la función inversa Teorema de la función inversa: Sea A abierto de R n, f : A R n tal que f
Más detallesApuntes de la Teoría de la Medida
Apuntes de la Teoría de la Medida k n M k 1 n M k k k Herbert A. Medina Profesor de Matemáticas Loyola Marymount University Los Angeles, California, UU Herbert A. Medina Profesor de Matemáticas Loyola
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 detallesCálculo en varias variables
Cálculo en varias variables Dpto. Matemática Aplicada Universidad de Málaga Resumen Límites y continuidad Funciones de varias variables Límites y continuidad en varias variables 1 Límites y continuidad
Más detallesProblemas con soluciones
Departamento de Matemática, Universidad Técnica Federico Santa María, MAT-223. Problemas con soluciones 1) Muestre que si A es una base de una toplogía en X, entonces la topología generada por A es iqual
Más detalles1. Teorema Fundamental del Cálculo
1. Teorema Fundamental del Cálculo Vamos a considerar dos clases de funciones, definidas como es de otras funciones Funciones es. F (t) = t a f(x)dx donde f : R R, y F (t) = f(x, t)dx A donde f : R n R
Más detalles