Universidad de Antioquia. Departamento de Ingeniería Industrial. Procesos Estocásticos

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Universidad de Antioquia. Departamento de Ingeniería Industrial. Procesos Estocásticos"

Transcripción

1 Uversdad de Atoqua Deartameto de Igeería Idustral Procesos Estocástcos Berardo A. Calderó C. edellí, abrl de 4

2 Berardo A. Calderó C. Cadeas de arkov.. Defcó. Procesos Estocástcos U roceso estocástco { t, tt} es ua coleccó de varables aleatoras. Esto es, ara cada tt, t es ua varable aleatora. Ídce de roceso. El couto T es llamado el ídce del roceso. El ídce t es a meudo terretado como temo, s embargo uede referrse a cualquer otra cosa,. Por eemlo, al úmero de uegos realzados or u ugador, o al úmero de metros deserollados al seccoar u rollo de tela. S T es cotable se tee u roceso dscreto e el temo, y or lo geeral se usará la sguete otacó, reemlazado el subídce t or : {, =,,...}. Decmos que teemos u roceso estocástco de arámetro dscreto. S T es u tervalo, se trata de u roceso cotuo e el temo. Notacó: { t, t } roceso estocástco de temo cotuo (roceso estocástco de arámetro cotuo). Deotamos or t a la varable que rereseta el estado del roceso e el temo t. Esa varable de estado t uede ser: Número de cletes e u suermercado Estado del temo Preco de ua accó, etc. Esaco de estados = E. Couto de todos los osbles valores que la varable t uede tomar. E resume, u roceso estocástco es ua famla de varables aleatoras que descrbe la evolucó de u roceso (físco) a través del temo. Para descrbrlo, bastaría co coocer la dstrbucó couta de robabldad de dchas varables aleatoras. Realzacó de u roceso: Couto artcular de valores que toma el roceso. Eemlo. Problema del ugador Cosdere u ugador A, que auesta cotra otro ugador B. E cada ugada A uede gaar u eso co robabldad, o uede erderlo co robabldad q = -. Sea k el catal cal del ugador A, y sea el catal de ambos ugadores. Sea el catal del ugador A desués de realzar uegos. Etoces es u roceso estocástco de arámetro cotuo, dode el esaco de estados es el couto de eteros,,,,., La fgura sguete muestra u osble evolucó del catal del ugador desués de realzar 3s uegos, s emeza co u catal cal de $.

3 Berardo A. Calderó C. Cadeas de arkov 3.. Estructura robablístca del roceso Como ya se mecoó, ara coocer el comortameto de u roceso estocástco, basta co coocer la dstrbucó couta de robabldad P(x,x,... ) Cosdere u roceso estocástco de arámetro dscreto =,,,...,. Cosdere el couto de varables aleatoras,,...,. Su comortameto uede descrbrse medate la fucó de robabldad couta. Para ello cosdere la sguete robabldad: P = P( =, - = -,, =, = ) Usado la fórmula de robabldad codcoal P(AB) = P(A/B) P(B), la robabldad ateror uede escrbrse como: P = P( =, -= -,, =, = ) = P( = / -= -,, =, = ) P( -= -,, =, = ) Usado de uevo el codcoal, la robabldad se uede exresar como: P = P( = / -= -,, =, = ) P( -= -/ -= -, =, = ) P( -= -, =, = ) Retedo de uevo el roceso ateror y usado el codcoal e forma teratva, se llega a la sguete exresó ara la robabldad couta: P = P( = / -= -,, =, = )xp( -= -/ -= -, =, = )xp( -= -/, =, = ) x x P( = / =, = )xp( = / = ) x P( = ) De lo ateror, se observa que la robabldad couta uede exresarse e térmos de las robabldades codcoales, codcoado el resultado e el temo a los resultados obtedos e los temos -, -,..., y el estado cal, luego el resultado e el temo - se codcoa a los resultados obtedos e los temos -,..., y el estado cal, y así sucesvamete hasta codcoar el resultado e el temo al estado cal. Usado la exresó ateror, se uede calcular la robabldad couta ara cualquer caso, ero uestro terés se cetra e dos casos esecales: el caso deedete y el caso deedete de arkov..3. Caso deedete. S las varables aleatoras so deedetes, es decr, P( = / -= -,, =, = ) = P( = ), la robabldad couta está dada or: P( =, - = -,, =, = ) = P( = ) P( - = -)P( - = -) P( = ) P( = ) Eemlo. Problema del ugador

4 Berardo A. Calderó C. Cadeas de arkov 4 Cosdere de uevo el roblema del ugador, ero e este caso rereseta el resultado del -ésmo uego. Su esaco de estados es E = (-, ). E este caso es u roceso estocástco deedete, ya que el resultado de u uego es comletamete deedete de los resultados de los uegos aterores..4. Caso arkovao Suoga que la robabldad codcoal e el temo, dados los eríodos -, -,..., y se uede exresar de la sguete maera: P( = / - = -, - = -, =, = ) = P( = / - = -) Es decr, el estado futuro del roceso deede solo del estado resete - y es deedete de los estados asados ( -, -3,,, ). E este caso se dce que el roceso tee la roedad arkovaa, o tee érdda de memora, es decr, el futuro deede úcamete del resete y es deedete del asado. A la robabldad codcoal P( = / - = -) se la deoma robabldad de trascó del estado - al estado e u eríodo. La robabldad couta se exresa etoces como P( =, - = -,, =, = ) = P( = / - = -)P( - = -/ - = -) P( = / = )P( = / = )P( = ) Eemlo.3 Problema del ugador Cosdere de uevo el roblema del ugador, ero e este caso rereseta el catal del ugador desués del -ésmo uego. Su esaco de estados es E = (,,,, ). E este caso, será u roceso de arkov? Solucó. El catal del ugador A desués de uegos uede exresarse e térmos del catal cal ( = k) y de los resultados de las auestas que haga Y, Y,..., Y -, Y. = + Y + Y Y - + Y Al examar la exresó odría esarse que o se cumle la codcó de arkov. S embargo debe teerse e cueta que el catal desués de los - rmeros uegos - es gual a: - = + Y + Y Y - co lo cual el catal del ugador A desués de uegos se uede exresar como = - + Y dode Y es el resultado del -ésmo uego (). De la exresó ateror, se cocluye que cumle la codcó de arkov.

5 Berardo A. Calderó C. Cadeas de arkov 5. Cadeas de arkov Cosdere el roceso estocástco de arámetro dscreto {, =,,,...,} que toma u úmero fto o fto de valores. Suodremos que E = (,,,...,) ó E = (,,,...) S = decmos que el roceso se ecuetra e el estado e el temo o etaa. El temo se deoma etaa o aso Cosdere la secueca t+, t, t-,...,,. Se dce que u roceso cumle la codcó de arkov o tee la roedad markovaa s P( t+ = / =, - = -, =, = ) = P( t+ = / = ) Se tee etoces que la robabldad codcoal de cualquer eveto futuro dados el eveto resete o actual y los evetos asados deede úcamete del resete y es deedete del asado.. Probabldad de trascó La robabldad P( t+ = / t = ) se deoma robabldad de trascó o robabldad de asar del estado al estado e ua etaa o trascó.... Probabldad estacoara S ara cada, y t se cumle P( t+=/ t=) = P( t+s+=/ t+s=) = P( =/ =) se dce que las robabldades so estacoaras, es decr, o camba co el temo y se deota smlemete or. Estas robabldades de trascó tee las sguetes roedades: a) b)... Probabldad de trascó e asos També se uede hacer la trascó del estado al estado e varos asos, o ecesaramete e uo, y esta robabldad se deota or y se deoma robabldad de trascó e asos Como los () so robabldades se tee que: P( t+ = / t = ) = P( = / = ) = () a) (), b) ( ), ara ara todo,,,,.,,, todo,,,.,,,..3. atrz de trascó e ua etaa P Es ua matrz cuadrada coformada or las robabldades de trascó e ua etaa P = { }, dode las flas rereseta el estado actual, y las columas el estado futuro.

6 Berardo A. Calderó C. Cadeas de arkov P La matrz de trascó es ua matrz estocástca y debe cumlr las sguetes roedades: a), b), ara ara todo, todo (suma fla ) La rmera roedad se debe al hecho de que se trata de ua robabldad, y la seguda al hecho de que s e el temo t el roceso se ecuetra e el estado, e el temo t+ se debe ecotrar e cualquer estado, cluyedo el estado...4. Dagrama de trascó Ua cadea de arkov se uede reresetar e forma gráfca medate u dagrama de trascó, e el cual los estados se rereseta or fguras geométrcas (círculos, cuadrados, etc), y medate flechas oretadas se dca las trascoes osbles etre los dferetes estados. (ver el roblema del ugador) Eemlo. Estado del temo Suoga que el estado del temo e u día cualquera deede úcamete del estado del temo del día ateror. as esecífcamete, suoga que s llueve hoy, la robabldad de que llueva mañaa es (=.7), y s o llovó hoy la robabldad de que llueva mañaa es (=.4). Reresete este roceso como ua cadea de arkov. Solucó. S deotamos or el estado del temo el día, or las suoscoes dadas se cocluye claramete que el roceso es ua cadea de arkov, co el sguete esaco de estados: E = (Lluva, o lluva) = (, ) La matrz de trascó corresodete será:.7.3 P.4.6 Eemlo. Problema del ugador Cosdere u ugador A, que auesta cotra otro ugador B. E cada ugada A uede gaar u eso co robabldad, o uede erderlo co robabldad q = -. Sea k el catal cal del ugador A, y sea el catal de ambos ugadores. S deotamos or el catal del ugador A desués de ugadas, a) Es ua cadea de arkov? b) S lo es, cual sería la matrz de trascó. Solucó. Como se exlcó revamete, el catal del ugador A desués de uegos es gual al catal que tee al fal del uego - más el resultado obtedo al realzar el últmo uego, es decr, = - + Y dode Y es el resultado del -ésmo uego (). De la exresó ateror, se cocluye que cumle la codcó de arkov.

7 Berardo A. Calderó C. Cadeas de arkov 7 El esaco de estados está dado or E = (,,,..., ) Las robabldades de trascó está dadas or: = (s el ugador está arruado o uede aostar y se quedará co cero esos de catal) = = = = s,, P{ / } q s,, s Además ya que s o se tee catal (ugador arruado) o se uede aostar, o s se tee todo el catal, el ooete o uede realzar gua auesta. / P = P... El roblema el ugador se uede reresetar medate el sguete dagrama de trascó Eemlo.3 Sstema de vetaros Cosdere u sstema de vetaro (s, S) dode se de la catdad ecesara ara elevar el vetaro al vel S cuado el vetaro es meor que s. E caso cotraro o se de ada. El eddo se hace al fal de la semaa y se etrega al rco de la sguete semaa. La demada semaal tee la sguete dstrbucó de robabldad (corresode a ua dstrbucó de Posso co tasa =.5): Demada Probabldad La demada que o se uede satsfacer a temo se erde, es decr, el clete se va ara dode otro roveedor. Sea el vetaro al fal de la semaa. a) Es ua cadea de arkov? b) E caso afrmatvo, cual será la matrz de trascó?. Sea s =, S = 3 Solucó. El vetaro al fal de ua semaa ( ) es gual al vetaro al fal de la semaa ateror ( -) meos la demada atedda durate la semaa D más las órdees colocadas al fal de la semaa ateror ara reabastecer el vetaro (O -), las cuales llega al rco de la semaa. Por lo tato se exresa como: = - + Q - - D

8 Berardo A. Calderó C. Cadeas de arkov 8 dode Q - = Catdad edda al fal de la semaa - (que llega al rco de la semaa ) D = demada atedda durate la semaa El esaco de estados está dado or E = (,,, 3) Cálculo de las robabldades de trascó Cálculo de. Para calcular debe teerse e cueta que s el vetaro es cero al fal de ua semaa, se de tres udades que llega al rco de la semaa sguete, y ara oder termar de uevo la semaa e cero, se requere que la demada durate esa semaa sea de or lo meos tres udades P =P( = / - = )= P(D 3) = =.9 Cálculo de, y 3. Para calcular ( =,, 3) debe teerse e cueta que s el vetaro es cero al fal de ua semaa, se de tres udades que llega al rco de la semaa sguete, y ara oder termar la semaa co vetaros de, o 3 udades, se requere que las demadas resectvas durate la semaa sea de, y udades P = P( = / - = ) = P(D = ) =.5 P = P( = / - = ) = P(D = ) =.335 P 3 = P( = 3/ - = ) = P(D = ) =.3 Cálculo de. S el vetaro al fal de ua semaa es uo o se hace gú eddo. Por lo tato, ara asar de u vetaro de uo a u vetaro de cero, ( ) se requere que la demada durate esa semaa sea de or lo meos ua udad, y ara oder termar la semaa co ua udad e el vetaros la demada durate la semaa debe ser cero. Además, como o se hace eddo, o es osble termar la semaa co dos o tres udades s al fal de la semaa ateror sólo había ua udad e el vetaro. P = P(D ) = =.777 P = P(D = ) =.3 P =, P 3 = La matrz de trascó resultate es la sguete: P = Eemlo.4 Geo de ua ersoa. Suoga que el geo (humor) de u comañero e u día cualquera uede ser alegre, ormal, o de mal geo (malhumorado). Suoga además que s hoy está de bue geo mañaa uede estar de bue geo, ormal o malhumorado co robabldades de.5,.4 y., resectvamete. S hoy está ormal mañaa uede estar de bue geo, ormal o malhumorado co robabldades de.3,.4 y.3, resectvamete. Falmete s hoy está de mal humor, mañaa uede estar de bue geo, ormal o malhumorado co robabldades de.,.3 y.5, resectvamete. S {, } rereseta el geo de su comañero, la matrz de trascó estará dada or.5 P dode el esaco de estados es E = [alegre, ormal, malhumorado] = [,, ] Problemas rouestos: Lbro de Hller: 4.., 4..3, 4.3., a y b, 4.5.a, 4.5.a, 4.5.3a, 4.6.6a

9 Berardo A. Calderó C. Cadeas de arkov 9 Eemlo.5 Trasformacó de ua cadeas de arkov. El estado del temo Suoga que el estado del temo u día cualquera deede de las codcoes del temo e los dos días aterores. Así: S ha llovdo e los dos últmos días, lloverá mañaa co robabldad de.7 S llovó hoy ero o ayer, la robabldad de que llueva mañaa es de.5 S llovó ayer ero o hoy, la robabldad de que llueva mañaa es de.4 S o ha llovdo los dos últmos días, la robabldad de que llueva mañaa es de. a) Es el roceso ateror ua cadea de arkov? b) S o lo es, uede trasformarse ara que lo sea? Solucó. S deotamos or el estado del temo el día, etoces es ua fucó o sólo de - so també de -, or lo cual o es ua cadea de arkov. S embargo, s redefmos el estado del roceso como el estado del temo e dos días cosecutvos, el roceso sería ua cadea de arkov. Así: = Estado del temo e los días y -. La covecó odría ser la sguete: Estado Codcó Llueve los dos últmos días- LL Llueve el día actual ero o el ateror-ln No llueve el últmo día, ero sí el ateror- NL 3 No ha llovdo los dos últmos días-nn E = (,,, 3) = (LL, LN, NL, NN) Cálculo de las robabldades de trascó Estado futuro = Estado del temo mañaa y hoy Estado actual = Estado del temo hoy y ayer P = P(L mañaal hoy/l hoyl ayer) = Probabldad de lluva e los dos últmos días) =.7 P = P(L mañaan hoy/l hoyl ayer) = P = P(N mañaal hoy/l hoyl ayer) =.3 P 3 = P(N mañaan hoy/l hoyl ayer) = P = P(L mañaal hoy/l hoyn ayer) =.5 P = P(L mañaan hoy/l hoyn ayer) = P = P(N mañaal hoy/l hoyn ayer) =.5 P 3 = P(N mañaan hoy/l hoyn ayer) = La matrz de trascó resultate es la sguete: P = Eemlo.6 Taller co dos máquas y u mecáco Cosdere u taller que tee máquas y u solo mecáco que las reara cuado falla. S ua máqua está trabaado, la robabldad de que falle e ua hora es. S ua máqua está bao rearacó, la robabldad de que el mecáco terme de reararla e ua hora es. S es el úmero de máquas e oeracó al fal de la hora, a) Es ua cadea de arkov?. Exlque b) E caso afrmatvo, calcule la matrz de trascó

10 Berardo A. Calderó C. Cadeas de arkov Solucó. El úmero de máquas e oeracó al fal de ua hora ( ) es gual al úmero de máquas e oeracó al fal de la hora ateror ( -) más el úmero de máquas rearadas durate la últma hora (R ) meos el úmero de máquas que ha fallado durate la últma hora (F ). Por lo tato se exresa como se dca a cotuacó, de dode se desrede que es ua cadea de arkov. Se suoe que las máquas falla al fal de la hora, o que sólo al fal de la hora se descubre que las máquas ha fallado, o que el mecáco ha termado la rearacó. (No hay evetos smultáeos, es decr, ua máqua o uede fallar y ser rearada e la msma hora) dode = - + R - F R = Número de máquas rearadas durate la últma hora. F = Número de máquas que fallaro durate la últma hora. El esaco de estados está dado or E = (,, ) Cálculo de las robabldades de trascó Cálculo de, y. Para asar del estado cero al estado cero se requere que el mecáco o terme la rearacó de la máqua que estaba rearado ( - ) y ara asar al estado uo se requere que terme de rearar la máqua (). P = P(mecáco o terme la rearacó) = - P = P(mecáco terme la rearacó) = P = P(Rearar dos máquas) = Cálculo de, y. Para asar del estado uo al estado cero se requere que el mecáco o terme la rearacó de la máqua que está arreglado ( - ) y que la máqua que estaba e oeracó se dañe (). Para asar del estado uo al estado uo se requere que el mecáco o terme la rearacó de la máqua que está arreglado ( - ) y que la máqua que estaba oerado o se dañe ( - ), o que el mecáco terme la rearacó de la máqua que está arreglado () y que la máqua que estaba oerado se dañe ().Para asar del estado uo al estado dos se requere que el mecáco terme la rearacó de la máqua que está arreglado () y que la máqua que estaba oerado o se dañe ( -) = P(No termar rearacó y máqua buea se dañe = ( - ) () = P(o termar rearacó y la máqua buea o se dañe) P(termar rearacó y la máqua buea dañe) = ( - ) ( - ) + () () = P(termar rearacó y que máqua buea o se dañe) = () () Queda como u eercco calcular las robabldades de trascó desde el estado haca los demás estados. La matrz de trascó resultate es la sguete: P ( ) ( ) ( ) ( ) ( ) ().. atrz de trascó e etaas P () Se deoma robabldad de trascó e etaas () a la robabldad de que u roceso ase del estado al estado e trascoes o asos. P( =/ =) = P( +m=/ m =) = (),,, Se tee que () =.

11 Berardo A. Calderó C. Cadeas de arkov Cálculo de (). Para asar del estado al estado e dos trascoes se uede asar or u estado termedo k e la rmera trascó y luego r del estado k al estado e la seguda trascó. Este estado k uede ser cualquera de los estados del roceso, cluyedo los estados y. La fgura sguete lustra el roceso () P( / ) k P(, k k P( P( k / / k / ) k, )P( )P( / k / k) Deotemos or P () la matrz formada or las robabldades de trascó e dos etaas, cuyos elemetos so las dferetes robabldades de trascó e dos etaas (). Al aalzar la exresó resultate ara () observamos este elemeto es gual al roducto de la fla de la matrz de trascó e ua etaa P or la columa de la msma matrz. Es decr, la matrz de trascó e dos etaas, es smlemete el roducto de la matrz de trascó de ua etaa or sí msma. Por lo tato, P () = P () P () = P P = P atrz de trascó e 3 etaas Cálculo P (3) Para asar del estado al estado e tres etaas se uede asar e el rmer aso or u estado termedo k, y luego hacer la trascó del estado k al estado e los restates dos asos, es decr: (3) P ( / ) P( k / )P( / k) 3 k S P (3) es la matrz de trascó e 3 asos, etoces se tee que 3 P (3) = P () P () = P P = P 3 També se uede asar al estado termedo k e los rmeros dos asos, y luego hacer la restate trascó al estado e u aso, es decr (3) P ( / ) P( k / )P( / k) 3 k Es decr, P (3) se uede exresar como: 3 P (3) = P () P () = P P = P 3 k k atrz de trascó e etaas - P () Ecuacó de Chama Kolmogorov. k () k k () k k ) k Para asar del estado al estado e etaas se uede asar e los m rmeros asos or u estado termedo k, y luego hacer la trascó del estado k al estado e los -m asos restates, es decr: k k

12 Berardo A. Calderó C. Cadeas de arkov () P ( / ) P( k / )P( / k) k m m k S P () es la matrz de trascó e asos, etoces uede exresarse como: P () = P (m) P (-m) = P m P -m = P També ara asar del estado al estado e etaas se uede asar al estado termedo k e los rmeros -m asos, y luego hacer la trascó al estado e m asos, es decr () P ( / ) P( k / )P( / k) k m Es decr, P () se uede exresar como: m P () = P (-m) P (m) = P -m P m = P m k m k El sstema ateror de ecuacoes recbe el ombre de Ecuacó de Chama Kolmogorov k m k m k Proedades: a) (), b) ( ), ara ara todo,,,,.,,, todo,,,.,,, Eemlo.7 hoy?. Estado del temo. Cuál es la robabldad de que llueva detro de 4 días s está llovedo Solucó. Para resoder esta reguta debemos calcular las robabldades de trascó e cuatro aso P( 4) P P () P (4) P (8) La robabldad requerda está dada or ( 4) =.5749 Eemlo.8 Sstema de vetaros. Calcule la robabldad de que o haya udades e el vetaro detro de cuatro días s hoy o hay artículos e vetaro. La matrz de trascó e varas etaas ( =, 4, 8) se reseta e la ága sguete: La robabldad requerda está dada or ( 4) =.3993

13 Berardo A. Calderó C. Cadeas de arkov P = P() = P(4) P(8) Qué comortameto se observa e P () a medda que aumeta?.3. Probabldades de estado q () Se deoma robabldad de estado a la robabldad (codcoal) de que desués de trascoes el roceso se ecuetra e el estado, la cual deotaremos or q () = P( =) Cálculo. La robabldad de estado q () se uede calcular codcoado be sea e el estado cal o e cualquer otro estado. Codcoado e el estado cal se tee: () q P ( ) P( / )P( ) q S deotamos or Q () ={q (), q (),...,q () } u vector fla co las robabldades de estado, y aalzamos la ecuacó ateror teemos que Q () se uede exresar como : Q () = Q () P (), dode Q ( ) es el vector de estado o robabldad cal {q () = P( =)} y Q () ={q (), q (),...,q () } () () Cálculo. També se uede calcular q () codcoado e cualquer otro estado. S se eúltmo estado que vste el roceso se tee: codcoa e el () q P ( ) P( / )P( ) q Aalzado la ecuacó ateror teemos que: Q () = Q (-) P, dode Q (-) es el vector de robabldad de estado ara la etaa -. Eemlo.9 Estado del temo. Calcule la robabldad de que llueva detro de cuatro días s es gualmete robable que llueva o o llueva hoy. () Solucó. Como es gualmete robable que llueva o o llueva hoy, se tee que Q () robabldad de que llueva detro de cuatro días se calcula como: = (.5,.5). La q (4) = q () (4) + q () (4) =.5 x x.5668 =.5785 Eemlo. Sstema de vetaros. S el vetaro cal es udades, cual es la robabldad de que o haya vetaro al fal de la rmera semaa? De la cuarta? De la octava?. Qué asa s el vetaro cal fuera tres?

14 Berardo A. Calderó C. Cadeas de arkov 4 Solucó. S el vetaro cal es dos udades, teemos etoces que Q () = (,,, ). Por lo tato: Q () = Q () P () ( ( ) ( Q ) Q () = Q () P ().= ( ) Q (4) = Q () P (4).= ( ) Q (8) = Q () P (8).= ( ) La robabldad de que o haya vetaro al fal de la rmera semaa es.44, al fal de la cuarta es.4 y al fal de la octava es.45. Eemlo. Sstema de vetaros. S el vetaro cal fuera 3 udades, las robabldades de estado ara las etaas,, 4 y 8 sería: Q () = (,,, ). Q () = Q () P ().= ( ) Q () = Q () P ().= ( ) Q (4) = Q () P (4).= ( ) Q (8) = Q () P (8).= ( ) La robabldad de que o haya vetaro al fal de la rmera semaa es.9, al fal de la cuarta es.3993 y al fal de la octava es.45 Aalce las resuestas aterores, y como es su comortameto. Qué se observa? Comortameto de las robabldades de estado. a) Qué se observa e el comortameto de Q () cuado aumeta? b) Qué asa co Q () cuado aumeta y se camba el estado cal?.4. Clasfcacó de estados Accesbldad. El estado es accesble desde el estado () s () >. Esto mlca que es accesble desde s y solo s, emezado e es osble que el roceso etre al estado. Esto es verdadero dado que s o es accesble desde, etoces se tedría que P(etrar a / emeza P( / e ) P ) ( () / ) Comucabldad. S el estado es accesble desde el estado, y el estado es accesble desde el estado, etoces se dce que los estados y se comuca (). La comucacó tee las sguetes roedades: a) Reflexva: Todo estado se comuca cosgo msmo, ya que P () = b) Smétrca: S el estado se comuca co el estado, etoces se comuca co. c) Trastva: S el estado se comuca co el estado, y el estado se comuca co el estado k, etoces el estado se comuca co el estado k.. ) k

15 Berardo A. Calderó C. Cadeas de arkov 5 (m) k r r m rk m k Couto cerrado C. Sea C el couto (clase cerrada) formado or el estado y todos los estados que se comuca co el estado. Puede coteer u solo elemeto. Eemlo. Sstema de vetaros. Se tee que: C = (,,, 3) = C = C = C 3 = E Eemlo.3 Problema del ugador- Se tee que C = () C = (,, 3,..., -) = C = C 3 =...= C - C = () Clases dsutas. Los estados de ua cadea de arkov se uede clasfcar e clases dsutas (cerradas) E, E,.., E k,, dode los estados que se comuca erteece a la msma clase, y se tee que: E = E E...E k, co E E... E k =, E E = Eemlo.4 Problema del ugador. Se tee que E=(,,,...,-,) C = () = E, C = (,,..., -) = C =... = C - = E, C = () = E 3 y E E E 3 = E Eemlo.5 Problema de vetaros. Se tee: E = (,,, 3). C = (,,, 3) = C = C = C 3 = E Proceso rreducble. Ua cadea de arkov es rreducble s sólo cotee ua clase, es decr, s todos los estados se comuca. Por eemlo el sstema de vetaros. Estados recurretes y trastoros Sea f = Probabldad de que el roceso regrese al estado dado que emeza o se ecuetra e dcho estado Estado recurrete. El estado es recurrete s f =, es decr, s hay certeza de regresar a dcho estado. Estado absorbete: Es u caso esecal de u estado recurrete cuado = Estado trastoro: El estado es trastoro s f <, es decr exste ua robabldad = f > de o regresar al estado ua vez se sale de él. Eemlo.6 Problema del ugador. Se tee que E = (,,,..., -, ) Como se observa e el dagrama de trascó, los estados y so absorbetes, ya que ua vez el roceso etra e dchos estados, o vuelve a salr de allí. Los demás estados se comuca etre sí, ero so trastoros, ya que s el roceso sale del estado haca el estado o sale del estado - haca el estado uca regresa a dchos estados. Se tee que f = f =, y f <, ara, Para ecotrar el úmero eserado de eríodos que el roceso se ecuetra e el estado dado =, cosdere: Sea B = s =, y B = s

16 Berardo A. Calderó C. Cadeas de arkov 6 ( B La catdad / ) rereseta el úmero de eríodos que el roceso está e el estado dado que =. Su eseraza está dada or: E ( B / ) E( B / ) P( / ) De lo ateror se tee que : El estado es recurrete s ( ) El estado es recurrete s ( ) La recurreca es ua roedad de clase, es decr, todos los estados que erteezca a ua msma clase o so todos recurretes o so todos trastoros. De uevo, cosdere el roblema del ugador. Claramete el estado es trastoro, ya que s del estado se asa al estado, uca se regresa al estado. Además, los estados,,..., - se comuca etre sí. Por lo tato, estos estados so també trastoros. El msmo argumeto emleado ara el estado se uede usar ara el estado -. No todos los estados de ua cadea de arkov uede ser trastoros, ya que el roceso semre debe estar e algú estado. Cosdere u roceso de arkov co la sguete matrz de trascó. Clasfque sus estados. Sea E=(,,, 3, 4) (Uso dagrama de trascó) ½ ½ ½ ½ P = ½ ½ ½ ½ Solucó: C =(,) =C, C = (,3) = C 3, C 4= (4) E = (,), E = (,3), E 3 = (4) Recurretes = (,), (,3) y trastoro = (4) Período. El eríodo de u estado se defe como el etero t (t>) s () = ara todos los valores de t, t,3t,..., y t es el etero mayor co esta roedad. Eemlo.7 Problema del ugador. Cosdere el estado. S se está e el estado, sólo se uede asar a él, e los temos, 4, 6, etc. Igual sucedería co los estados,, 3,.., -. (Esto se uede verfcar () calculado o aalzado el dagrama de trascó). La erodcdad es roedad de clase, es decr, s el estado es eródco co eríodo t, y el estado se comuca co el estado k, etoces el estado k també tee eríodo t. Estado aeródco. El estado es aeródco s exste dos eteros s y s+ tales que el roceso ueda ecotrarse e el estado e los temos s y s+. Se dce que el estado tee eríodo. Por eemlo, e el sstema de vetaros aalzado revamete todos los estados se comuca, y so aeródcos. Recuerde que ara asar de u estado a otro, la trascó se uede dar e varos asos, o ecesaramete e uo sólo. Para aalzar el eríodo cosdere de uevo el roblema del ugador, co u catal total dsoble de 4. Sólo es osble asar de u estado a ese msmo estado e las trascoes ares (exceto ara los estados y 4). ()

17 Berardo A. Calderó C. Cadeas de arkov 7,5,5,5,5,,5 P () =,5,5 P () =,5,,5,,5,5,5,,5,,5,5,63,,5,,3,63,3,,3,5 P (3) =,5,5,,5,5 P (4) =,38,,5,,375,3,,5,,63,3,3,,3,65,7,,6,,,7,3,,3, P (5) =,44,6,,6,44 P (6) =,47,,6,,47,,,6,,7,,3,,3,7,75,,,,5,748,,,,48 P (7) =,5,,,,5 P (8) =,498,,4,,498,5,,,,75,48,,,,748 Estado ergódco. Se dce que u estado es ergódco s dcho estado es recurrete y aeródco Ergodcdad. U roceso estocástco es ergódco s es rreducble y aeródco Problema. Cosdere las cadeas de arkov descrtas or las sguetes matrces de trascó. Clasfque sus estados. ½ ½ ½ ½ ½ ½ b) P = ½ ½ a) P = ½ ½ ½ ½ ½ ½ ¼ ¾ /3 /3 ¾ ¼ c) P= /3 /3 /3 d) P = ¾ ¼ ¼ ¾.5. Temos de rmera asada El temo de rmera asada corresode al úmero de trascoes que hace el roceso al r de u estado a u estado or rmera vez. Cuado =, corresode al úmero de trascoes ara regresar al estado y se deoma temo de recurreca. Por eemlo, e el sstema e vetaros, el úmero de semaas requerdo ara asar de u vetaro de cero a otro vetaro de cero, es decr, este temo de recurreca es el temo etre dos eddos cosecutvos Los temos de rmera asada so varables aleatoras y or lo tato tee ua fucó de desdad, la cual hallaremos medate u couto de ecuacoes recursvas.

18 Berardo A. Calderó C. Cadeas de arkov 8 Ecuacoes recursvas ara la fucó de desdad de temos de rmera asada Sea f () la robabldad de que el temo de rmera asada del estado al estado sea. Para = se tee claramete que: f () = () = Para =, () rereseta todas las formas e que se uede asar de a e dos asos, lo cual cluye asar e u aso y quedarse e el aso o la trascó sguete; or lo tato estas robabldades debe restarse de la robabldad de trascó e dos asos f () = () - f () Para cualquer valor de, () rereseta todas las formas e que el roceso uede asar del estado al estado e asos, lo cual cluye asar a e u aso y quedarse ahí e las - trascoes sguetes, o asar a e dos asos y quedarse ahí e las - trascoes sguetes,..., o asar a e los rmeros - asos y quedarse ahí e la trascó sguete. Por lo tato estas robabldades debe restarse de la robabldad de trascó e asos. f (3) = (3) - f () () - f () () f () = () - f () (-) - f () (-)...-f (-) () Sea f la robabldad (codcoal) de que el roceso ase del estado al estado, la cual está dada or: f () f Etoces, como ya se había vsto, el estado es recurrete s f =, y es trastoro s f < (o hay certeza de realzar la trascó) Temo eserado de rmera asada Corresode al temo eserado ara r del estado al estado, y e teoría, se uede calcular usado la defcó de valor eserado, a saber: s f () f s f Los f () so dfícles de calcular. S embargo, los se uede calcular más fáclmete usado el sguete couto de ecuacoes: Cálculo de.s los estados y so recurretes, los temos de rmera asada se uede calcular usado el couto de ecuacoes dado or: k k k Exlcacó: Para r del estado al estado or rmera vez se requere: a) Realzar mímo u aso. S e dcho aso se llega al estado, etoces = b) S e el rmer aso o se llega al estado so a otro estado k, k, etoces artedo del estado k llega al estado e u úmero eserado de asos dado or k. Prmero se latea y resuelve el sstema de ecuacoes ara ara, y luego se calcula la ecuacó corresodete a. Eemlo.8 Sstema de vetaros. Calcular el temo medo de recurreca del estado. las ecuacoes a latear y resolver so las sguetes:

19 Berardo A. Calderó C. Cadeas de arkov 9 3 = = = Realzado el cálculo de, y 3 se calcula como: = Las ecuacoes resultates so: () 3 = () = (3) = De (3) se obtee = /.777 =.87 (4) (4) e (): = ( x.87)/(-.3) =.84 (5) (4) y (5) e (): 3 =( +.5 x.87)/( -.3) =.497 = +.5 x x x.497 =.497 Cómo se terreta =.497? Temo eserado etre dos eddos cosecutvos.6. Probabldades de largo lazo de las Cadeas de arkov (Probabldades de estado estable) Al examar las robabldades de trascó e asos (), se observa que a medda que aumeta, estas robabldades tede haca ua costate, deedete del valor cal de es decr, uede exstr ua robabldad límte, deedete de su estado cal. Esta robabldad límte está dada or lm (), deedete de U comortameto smlar se observó al aalzar el sstema de vetaros ara la robabldad de estado q () ara dos codcoes cales dferetes (gráfco de vs q () ). Además, los valores límtes era los msmos. Es decr, lm () q.6.. Cálculo de robabldades de estado estable Recordemos que la robabldad de estado q () se uede calcular como: q () q () () q () Usado la exresó de la derecha teemos que: lm () lm () lm q q q () Como lm () lm q q () Teedo e cueta lo ateror, se tee que

20 Berardo A. Calderó C. Cadeas de arkov lm q (),,,,..., S defmos el vector fla = (,,..., ) teemos que la ecuacó ateror se uede escrbr e forma matrcal como = P (se obtee u sstema de + ecuacoes y + varables) Como los forma ua dstrbucó de robabldad, etoces. Por lo tato, las robabldades de estado estable (o e régme ermaete) debe satsfacer el sguete sstema de ecuacoes:,,,,..., Se observa que exste + ecuacoes y + varables, lo cual quere decr que hay ua redudate, la cual o uede ser la últma ( or qué?)..6.. Codcoes ara la exsteca de las robabldades límtes a) S el roceso es rreducble, exste las robabldades lmtes b) S el roceso es ergódco, esas robabldades so deedetes del estado cal.6.3. Temos medos de recurreca Se uede demostrar que los temos medos de recurreca se uede exresar e térmos de las robabldades límtes como = /. Eemlo.9 Cálculo de robabldades límtes Sstema de vetaros: El sstema de ecuacoes = P queda de la sguete maera: (,,, ) (,,, 3 ) = () = () = (3) 3 = (4) Para que las forme ua dstrbucó de robabldad se debe agregar la sguete ecuacó = (5) Solucó De (4) 3 =.3 /.777=.87 (6) (6) e (3): = ( x.87 ) /.777 = (7) (6) y (7) e (): = ( x x.87 )/.777 = (8) Reemlazado (6), (7) y (8) e (5) teemos:

21 Berardo A. Calderó C. Cadeas de arkov = = / =.45 =/.45 =.4969 = =.63 =/.63 = 3.86 = =. =/. = =.87 =.49 =/.49 = 8.7 Observacó: Como se uede observar estos valores so los msmos que aarece e la matrz de trascó P (8) calculada aterormete, y e las robabldades de estado Q (8) calculadas també revamete.6.4. Probabldades límtes e cadeas eródcas lm S las cadeas de Harkov so eródcas el límte ( ) uede o exstr. Cosdere la sguete matrz de trascó de dos estados P La matrz de trascó e asos está dada or: P (k), P (k) Teemos que () = s es ar, () = s es mar. Por lo tato el límte ateror o exste. S embargo, el sguete límte semre exste ara cadeas de arkov rreducbles y eródcos: lm (k) k Es decr, ara calcular las robabldades límtes, se calcula la matrz de trascó e varas etaas, y se toma el romedo de dchas matrces.6.5. Iterretacó de las : S se aalza el límte ateror, se observa que el umerador rereseta la suma de las frecuecas (relatvas) e que el roceso se ecuetra e el estado, es decr, el total de eríodos o asos e que el roceso vsta el estado, y el deomador rereseta el úmero total de trascoes observadas. Por lo tato esta robabldad de estado a largo lazo se le uede dar la sguete terretacó: a) Probabldad a largo lazo de que el sstema se ecuetre e el estado b) Proorcó de temo que el sstema se ecuetra e el estado Eemlo. Iterretacó ara el sstema de vetaro. Los valores de las robabldades límtes y su terretacó so los sguetes: =.45 U 4% de las semaas o hay artículos e la teda al fal de la semaa, o també, u 4% de las semaas es ecesaro colocar eddos ara reabastecer el vetaro =.63 u 6.3% de las semaas se terma la semaa co u artículo e vetaro = =. u.% de las veces se terma la semaa co dos artículos e vetaro. 3 =.49 u.49% de las veces se terma la semaa co tres artículos e vetaro. Cálculo e Iterretacó ara el roblema del estado del temo.7.3 La matrz de trascó está dada or P.4.6 Las ecuacoes ara el cálculo de las robabldades límtes so las sguetes:

22 Berardo A. Calderó C. Cadeas de arkov = () = () + = (5) Del sstema ateror de ecuacoes se obtee que =.57, =.39 Iterretacó: La robabldad de que llueva e u día cualquera es.57, o u 57.% de los días lloverá..7. Costo romedo eserado/udad de temo Suoga que se curre e u costo C( t) cuado el roceso se ecuetra e el estado t e el temo t. C( t) es ua varable aleatora que toma cualquera de los valores C(), C(),..., C(), y la fucó C(.) es deedete de t. El costo romedo eserado a lo largo de eríodos está dado or: E C( t ) t Usado el resultado lm (k) k Se uede demostrar que el costo romedo eserado or udad de temo está dado or: lm E C( ) C() t t Eemlo. Suoga que exste u costo de $ or cada udad que hay e vetaro al fal de la semaa t. Cuál sería el costo eserado or semaa de matemeto del vetaro? Se tee que C() =, C() =, C() = 4, C(3) = 6 El costo eserado or semaa está dado or: Costo eserado = C() =.45x +.63x +.x4 +.49x6=.8 Fucoes de costos más comleas Suoga que debe teerse e cueta los costos de ordear y de ealzacó or faltates (demada satsfecha durate la semaa). El costo or demada satsfecha deede de la demada y del estado del roceso. El costo del eríodo es ua fucó de t, t- y D. El costo romedo eserado a la larga está dado or: lm E C(,, ) C() t t D t t dode C() = E{C( t, t-,d t)} Eemlo.. Sstema de Ivetaros. Suoga que se tee los sguetes costos: El costo de hacer u eddo ara reabastecer el vetaro es $, metras que el costo utaro es de $5. Por lo tato, s se orde Q cámaras, el costo de edr exgua a + 5Q Costo de demada satsfecha = $5/udad. Cosderado úcamete los aterores comoetes, el costo semaal será: 5 max{( D 3),} s x t t C (, D ) 5 max{( t t t Dt ),} s t x t xt

23 Berardo A. Calderó C. Cadeas de arkov 3 S al fal de ua semaa hay udades e vetaro, se hace u eddo or tres udades. Habrá demada satsfecha al fal de la semaa sguete, s durate la semaa la demada es de 4 o 5 udades. Por lo tato el costo eserado está dado or:: C()=+5 x E{max(D t-3), } = { 4 + 5} = x(.47+*.8)= 79.5 C() = + 5 E{max(D t-}, }= + 5 { } = + 5 (.5 + x x x.8} = 37.8 C() = x + 5 E{max(D t-}, } =4 + 5{ } = (.6+ x x.8) = 7.7 C(3) = x E{max(D t-3}, ) = { 4 + 5} = (.47 + x.8) =.5 Por lo tato, el costo eserado or udad de temo está dado or: Costo eserado = 79.5 x x x. +.5 x.49 = Estados absorbetes Defcó. El estado k es absorbete s kk = S el estado k es absorbete, y el roceso emeza e el estado, etoces o se habla de robabldades límtes e el setdo e que fuero aalzadas recetemete, so que se camba or las robabldades de absorcó, es decr, de que el estado sea absorbdo or el estado k, o robabldad de absorcó al estado k, deotada or f k..8.. Probabldades de absorcó S el roceso se ecuetra e el estado (o absorbete), ara calcular la robabldad de que este estado sea absorbdo or el estado k, se uede codcoar e el resultado de la rmera trascó, de la sguete maera: El roceso uede hacer ua trascó a u estado termedo, y de ahí ser absorbdo osterormete or el estado k. Por lo tato, las robabldades de absorcó f k uede calcularse medate el sguete sstema de ecuacoes: f f f k kk k f s k, k es ara s es recurrete,,,..., absorbete e k Eemlo.3 Camata aleatora. U roceso estocástco es ua camata aleatora s se cumle que estado e el estado, e el state sguete uede estar sólo e -, e +. Eemlo: Juegos de azar Eemlo.4 Estados absorbetes. Cosdere el roblema del ugador co = 3 y =.5. Calcule f. La matrz de trascó está dada or: / Las ecuacoes ara calcular f so las sguetes f = f =/ f +/f =/ +/f f =/ f +/f 3 =/ f f 3= / / /

24 Berardo A. Calderó C. Cadeas de arkov 4 Resolvedo se obtee f = /3, f = /3 Demostrar que f 3 = /3, f 3 = /3.8.. Número medo de asos ara la absorcó S el roceso emeza e el estado (o se ecuetra e el estado ), dode es u estado trastoro, el úmero medo de asos ara llegar a u estado absorbete, se uede calcular codcoado e el resultado de la rmera trascó, medate el sstema de ecuacoes que se obtee de la sguete ecuacó: k kt dode T es el couto de estados trastoros. També se odría escrbr de la sguete maera k k k k dode la sumatora se hace ara todo estado k cotedo e el esaco muestral, y teedo e cueta que k = s k es u estado recurrete (absorbete), es decr, s u roceso llega a u estado absorbete, el temo medo de absorcó a artr de ese estado es cero.8.3. Probabldad de absorcó. Calculo matrcal El cálculo se basa e la matrz fudametal. Smlemete daremos los asos requerdos e el rocedmeto, s aalzar detalladamete el or qué. Suodremos que el roceso tee m estados trastoros, s estados absorbetes y k estados recurretes. ) Se reorgaza las flas y las columas de la matrz de trascó, tal que quede exresada (arcal o totalmete) de la sguete maera: I P R Q dode R es ua matrz de trascó (mxs) que rereseta las trascoes de los m estados trastoros a los s estados absorbetes Q es ua submatrz de trascó etre estados trastoros (m x m) I es ua matrz detdad (s x s). Se excluye de la matrz las trascoes etre estados recurretes, s los hay (ya que estos estados uca será absorbdos or los estados absorbetes). ) Se calcula la matrz fudametal N como: N = (I - Q) -, dode Ì es otra matrz detdad de m x m 3) Se calcula la matrz que cotee las robabldades de absorcó como PA = N x R La matrz de trascó també uede orgazarse de la sguete maera: Q P Eemlo.5 R I Probabldad de absorcó. Cosdere u almacé. Al fal de cada mes se clasfca las cuetas or cobrar e cuatro categorías: ) cuetas saldadas, ) cuetas solutas, las que o adeuda aboos del mes ateror, ) cuetas vecdas, las

25 Berardo A. Calderó C. Cadeas de arkov 5 que lleva etre uo y tres meses de atraso, y falmete, v) cuetas de dudoso o dfícl cobro, las que lleva mas de tres meses de atraso e sus aboos. De los regstros cotables se extrao la sguete formacó: El 6% de las cuetas solutas se aga al sguete mes, el 3% ermaece e esta categoría y el % asa a cuetas vecdas; el 4% de las cuetas vecdas se coverte e solutas, el 3% se aga, el % ermaece como cuetas vecdas y el % asa a deudas de dudoso cobro, cosderadas como cuetas erddas. a) Platear este roceso como ua cadea de arkov. b) De $ 5 mlloes que tee el almacé este mes e cuetas solutas y $ mlloes e cuetas vecdas, cuáto dero recuerará el almacé al mes sguete y cuáto cosdera como erddo? Solucó Defcó de estados. Los estados se uede defr de la sguete maera: : = Cuetas saldadas = Cuetas solutas = Cuetas vecdas 3 = Cuetas malas La sguete es la matrz de trascó resultate Procedmeto: P ) Se tercamba calmete flas y 4 y osterormete las columas y 4. El esaco de estados queda como E = (, 3,, ) y la matrz resultate es la sguete: P I,. Q..4,.3.3 R.6.. ) Cálculo de la matrz fudametal..4.8 I Q (I Q) ) Cálculo de las robabldad de absorcó PA.346 N x R

26 Berardo A. Calderó C. Cadeas de arkov 6 Iterretacó de las robabldades de absorcó: A largo lazo, u 86.5% de las cuetas vecdas so caceladas, y u 3.5% se coverte e cuetas de dudoso recaudo. De las cuetas solutas, u 98.% se cacela, y u.9% se coverte e deudas malas. S el almacé tee $5 mlloes este mes e cuetas solutas y $ mlloes e cuetas vecdas, la catdad de dero que recuerará el almacé, y la catdad que se cosderará como erddo se obtee de la sguete maera: Sea C = ($, $5) mlloes u vector (fla) que rereseta las cuetas vecdas e solutas, resectvamete, etoces a largo lazo se cacelará o se erderá las sguetes catdades: EC C. P, 5 A (x x.988, x x.9) ( $57.694, $.36) Es decr, de los $5 mlloes que tee el almacé e cuetas solutas y de los $ mlloes e cuetas vecdas, se recuerará $ mlloes y se erderá $.36 mlloes. Resuelva este roblema usado el sstema de ecuacoes vsto ates.8.4. El roblema del ugador. Otra vsó. Cosdere de uevo el roblema del ugador: U ugador A auesta cotra otro ugador B. E cada ugada A uede gaar u eso co robabldad, o uede erderlo co robabldad q = -. Sea el catal cal del ugador A, y sea el catal de ambos ugadores. Estamos teresados e calcular la robabldad de que el ugador A sea arruado s emeza ugado co esos. S deotamos or el catal del ugador A desués de ugadas, vmos que es ua cadea de arkov, co las sguetes robabldades de trascó. s P{ / } q s s,,, Además ya que s o se tee catal (ugador arruado) o se uede aostar, o s se tee todo el catal, el ooete o uede realzar gua auesta. Estamos teresados e f, la robabldad de absorcó or el estado, s emezamos co u catal de. Por smlcdad deotaremos or la robabldad de que el ugador A se arrue s emeza co u catal de., Alcado las ecuacoes ara calcular las robabldades de absorcó se tee: f f f k kk k f s k, k es ara s es recurrete,,,..., absorbete e k Usado las robabldades de trascó se obtee la sguete ecuacó: = + +q -, ara =,, 3,, - = = La ecuacó ara os dce que ara arruarse emezado co u catal cal de, se uede gaar la rmera auesta co robabldad, y luego arruarse co u catal de +, o se uede erder la rmera auesta co ua robabldad de q y luego arruarse teedo u catal de.

27 Berardo A. Calderó C. Cadeas de arkov 7 Como + q =, se uede multlcar or ( + q) y o asa ada. Por lo tato, la ecuacó queda como: ( + q) = + +q - + q = + +q - q - q - = I + I + - = ( I - -) (q/), ara =,, 3,, - Alcado la ecuacó ateror ara dferetes valores de teemos las sguetes ecuacoes: Para = q () Para = 3 q q () Para = q q (3) La exresó geeral sería: q () Ahora, cosderado = e la ecuacó ateror se obtee la sguete detdad: () S sumamos las ecuacoes (), (), (),...,() teemos lo sguete: q q q q q s, q / q / q / s, q/ Nota: La sere geométrca, dada or la exresó N toma los sguetes valores deededo de s la costate es uo o dferete de., N, N N Sabemos que: =, =, reemlazado = se tee:

28 Berardo A. Calderó C. Cadeas de arkov 8 q / q /, s q /, q / q /, s, / q/ Reemlazado y = se obtee las sguetes exresoes ara : q /, s q / q / s q / Aálss de las robabldades de arruarse Se aalzará la robabldad de rua ara el caso e que se esté ugado cotra u ooete sumamete rco ()). Caso e que = (q/) < Cuado la robabldad de gaar es mayor que la robabldad de erder, se tee que lm lm q / q / q / Es decr, cuado la robabldad de gaar es mayor que la de erder, la robabldad de arruarse es meor de, es decr, o hay certeza de ser arruado emezado co u catal. Caso e que = (q/) = Cuado la robabldad de gaar es gual a la robabldad de erder, se tee que lm Cuado la robabldad de gaar es gual a la robabldad de erder, y se está ugado cotra u ooete sumamete rco, hay certeza de arruarse, es decr, tarde o temrao el ugador A será arruado. Caso e que = (q/) > Cuado la robabldad de gaar es meor que la robabldad de erder, se tee que lm lm q / q / Cuado la robabldad de gaar es meor que la robabldad de erder, y se está ugado cotra u ooete sumamete rco, hay certeza de arruarse, es decr, tarde o temrao el ugador A será arruado..9. Problemas. Sea { } ua cadea de arkov co esaco de estados (,, ), vector de robabldades cales Q () = (/4, /, /4) y matrz de trascó P dada or :

29 Berardo A. Calderó C. Cadeas de arkov 9 /4 3/4 P /3 /3 /3 /4 3/4 a) Calcule (,, ) = Pr( =, =, = ) b) Demuestre que Pr( =, = / = ) = c) Calcule ( ). d) Calcule e) Demuestre que la cadea es Irreducble. f) Ecuetre el valor de las robabldades estacoaras. Dos ugadores A y B uega de la sguete maera: S A gaa u uego recbe $ y s erde aga $. La robabldad de que A gae u uego es /3 y que erda es /3. El dero total dsoble es $ N. S el catal de cualquera de los dos ugadores cae or debao del uto dode o ueda agar el róxmo uego s lo erde, etoces el uego terma. Sea { } el catal del ugador A desués de ugadas. a) Ecuetre la matrz de trascó ara esta cadea de arkov. b) Suoga que ambos ugadores acuerda que s el catal de uo de ellos llega a ser $, realzará la róxma ugada de $ co gual robabldad de gaar o erder. Ecuetre la matrz de trascó ara este caso. 3. Ua reresa se utlza ara geerar eergía eléctrca y ara el cotrol del fluo de aguas. La caacdad de la reresa es 3 udades. La fucó de robabldad de la catdad de agua que fluye a la reresa -W- e el mes la sguete: Catdad 3 Probabldad /6 /3 /3 /6 S el agua e la reresa excede la caacdad máxma, el agua sobrate se bota a través del vertedero, que es de fluo lbre. Para geerar eergía se requere mesualmete dos udades que se suelta al fal de cada mes. S hay meos de dos udades e la reresa, se geera eergía co el agua dsoble, es decr, se suelta toda el agua que haya. Sea la catdad de agua e la reresa e el mes, desués de que se suelta el agua. Suoga que calmete la reresa está vacía. a) Es { } ua cadea de arkov? b) S { } es ua cadea de arkov, ecuetre la matrz de trascó. 4. El roetaro de ua barbería local que solamete osee ua slla ara restarle el servco a sus cletes esa agradar su egoco ues le arece que semre hay mucha gete eserado ser ateddos. Las observacoes dca que e el temo requerdo ara motlar ua ersoa uede llegar,,, o 3 ersoas co robabldades de.3,.4,. y., resectvamete. La barbería tee ua caacdad fa de 6 asetos, cluyedo aquel e que se seta el que está sedo ateddo. Sea el úmero de ersoas e la barbería cuado se comleta el servco al -ésmo clete. a) Demuestre que { } es ua cadea de markov. b) Ecuetre la matrz de trascó. c) Determe la roorcó de temo, a largo lazo, que e la barbería hay ses ersoas, o que hay 4 ersoas. 5. Suoga que Usted ha realzado ua sere de ruebas e u rocedmeto de destreza maual y ecuetra que la sguete matrz de robabldad descrbe el curso de resuestas correctas e correctas. ENSAYO Esayo Correcta Icorrecta Esayo Correcta.95.5 Icorrecta..99

30 Berardo A. Calderó C. Cadeas de arkov 3 a) Qué roorcó de resuestas correctas se odría eserar de ua ersoa comletamete etreada? b) Qué roorcó de resuestas correctas se odría eserar de ua ersoa desués de reetr cco veces el rocedmeto, s la resuesta cal tee gual robabldad de ser correcta o correcta? c) Cual es la robabldad de que ua resuesta correcta se obtega or rmera vez, exactamete desués de cuatro esayos co resuesta correcta? 6. Suoga que la líea de esamblae de SOFASA tee las sguetes reglas: U Reault o uede segur a otro Reault orque el cotedo de trabao desbalacearía la líea. U Reault Y debe ser segudo or u Reault Z ara balacear la líea. U Reault Z debe ser segudo or u Reault o u Reault Y ero o or otro Reault Z. a) Ecuetre ua matrz de trascó ara este roceso. Use las letras a, b, c,..., cuado los valores de las robabldades de trascó o esté umércamete defdas. b) Es esta cadeas rreducble? c) Cual es la robabldad de que desués de u Reault el sguete Reault ocurra e la líea desués de otro vehículo dferete? d) S P es ua matrz de trascó, que terretacó daría Usted al elemeto P () ara grade? 7. Ua artícula se mueve e u círculo a través de cco utos marcados co los úmeros,,, 3 y 4. E cada etaa la artícula tee ua robabldad de dar u aso e el setdo de las maecllas del relo y - de moverse e setdo cotraro. Sea la oscó de la artícula e el círculo desués de dar asos. a) Es {, } ua cadea de arkov? b) S { } es ua cadea de arkov, ecuetre la matrz de trascó. c) Calcule las robabldades límtes. Cómo se terreta? 8. Ua fábrca tee dos máquas y ua cuadrlla de rearacó. Suoga que la robabldad de que ua máqua se dañe e u día cualquera es. Suoga, además, que s la cuadrlla de rearacó está trabaado e ua de las máquas, la robabldad de que terme la rearacó e u día mas es. Sea el úmero de máquas e oeracó al fal del -ésmo día. Asuma que el comortameto de { } uede modelarse medate ua cadea de arkov. (Qué smlfcacoes debe hacerse ara que esta suoscó sea comletamete válda?). a) Ecuetre la matrz de trascó. b) S ambas máquas está fucoado cuado el sstema se ca, cual es la robabldad de que ambas esté trabaado dos días desués? 9. Ua moeda hoesta se laza al are sucesvamete hasta que ocurra tres caras segudas. Sea { } la logtud de la secueca de caras que terma e el -ésmo lazameto. Cual es la robabldad de que haya al meos 8 lazametos sucesvos de la moeda?.. Cosdere el exermeto de lazar u dado de maera reetda. Sea el máxmo de los úmeros que ocurre e los rmeros lazametos. S { } es ua cadea de marco: a) Ecuetre la matrz de trascó. b) Ecuetre Q () y Q (3). Tres ños A, B y C uega co ua elota de la sguete maera: S A tee la elota semre se la asa a B, y B semre se la asa a C, ero este se la asa a A o a B dsttamete. Sea la -ésma ersoa e recbr la elota. Es { } ua cadea de arkov?. S es así, a) Ecuetre la matrz de trascó. b) Calcule Q (3) sabedo que calmete C tee la elota. c) Calcule las robabldades límtes.. Se tee 6 bolas, tres blacas y tres egras, las cuales se dstrbuye al azar e dos uras, de tal forma que cada ua cotega tres. E cada etaa se retra, smultáeamete, ua bola de cada ura, y se deosta e la ura cotrara. Sea el úmero de bolas blacas e la rmera ura desués de tercambos. a) Exlque or qué { } es ua cadea de arkov. b) Ecuetre la matrz de trascó.

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE

6- SUMA DE VARIABLES ALEATORIAS Y TEOREMA CENTRAL DEL LÍMITE arte Suma de varables aleatoras y Teorema cetral del límte rof. María B. tarell 3 6- SUMA DE VARIABLES ALEATORIAS TEOREMA CENTRAL DEL LÍMITE 6. Suma de varables aleatoras deedetes Cuado se estudaro las

Más detalles

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33

SIMULACION. Departament d'eio / Notes Curs MEIO/FIB 33 SIMULACION TECNICA PARA IMITAR EN UN COMPUTADOR LAS OPERACIONES DE LOS SISTEMAS DEL MUNDO REAL A MEDIDA QUE EVOLUCIONAN EN EL TIEMPO, MEDIANTE MODELOS QUE LOS REPRESENTAN DE FORMA REALISTA Deartamet d'eio

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008 Solucó del exame de Ivestgacó Operatva de Sstemas de septembre de 008 Problema : (3 putos) E Vllafresca uca hace sol dos días segudos. S u día hace sol, hay las msmas probabldades de que el día sguete

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte Varables aleatoras bdmesoales Prof aría B Ptarell 5- VARIABLS ALATORIAS BIDISIOALS 5 Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales sto es el resultado del eermeto

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

LOS NÚMEROS COMPLEJOS

LOS NÚMEROS COMPLEJOS LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada. MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN

REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN REDES DE DISTRIBUCIÓN .4 Cálculo de Redes Cerradas El roblea que se latea es calcular los caudales que escurre e cada trao de ua red, alla o crcuto, de odo que se cula certas codcoes hdráulcas coo las resoes exstetes e los

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.

INSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD. NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo.

Es aquella Serie Uniforme, cuyo Pago tiene lugar, al Final del Periodo. ANUALIDADES SERIES UNIFORMES SERIE UNIFORME Se defe como u Cojuto de Pagos Iguales y Peródcos. El Térmo PAGO hace refereca tato a Igresos como a Egresos. També se deoma ANUALIDADES: Se defe como u Cojuto

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ TEOREMA DE BERNOULLI GENERALIZADO > 0 Dada ua sucesó x1, x, x3,... x dos a dos depedetes, co ua msma dstrbucó de probabldad y co esperaza µ y varaza lím Se verfca que P x µ = 1 ó lím P x µ > = 0 El límte,

Más detalles

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3

Probabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3 Probabldad PROBBILIDD. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó axomátca

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

Comparación de Proporciones

Comparación de Proporciones Comaracó de Proorcoes Resume El rocedmeto Comaracó de Proorcoes esta dseñado ara comarar las roorcoes observadas de u eveto etre muestras. Este realza ua rueba ch-cuadrada ara determar s hay o o dferecas

Más detalles

TEMA 2: LOS NÚMEROS COMPLEJOS

TEMA 2: LOS NÚMEROS COMPLEJOS Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

mecánica estadística Estadísticas Cuánticas Capítulo 5

mecánica estadística Estadísticas Cuánticas Capítulo 5 mecáca estadístca Estadístcas Cuátcas Capítulo 5 Gas Ideal Mooatómco e el Límte Clásco Cosderemos u as deal s teraccó etre moléculas mooatómco e u volume V a temperatura T. Además supoemos que la separacó

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1

CALCULO DIFERENCIAL E INTEGRAL II. Figura 1 TEMA (Últma modcacó 8-7-5 CALCULO DIFERENCIAL E INTEGRAL II DERIVABILIDAD Recordemos el cocepto de dervadas para ucoes de ua varable depedete = (. Para lo cual ormamos el cremeto de la ucó = ( + - ( El

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO

ÁLGEBRA II (LSI PI) VALORES Y VECTORES PROPIOS UNIDAD Nº 6. Facultad de Ciencias Exactas y Tecnologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO 6 ÁLGEBRA II (LSI PI) UNIDAD Nº 6 VALORES Y VECTORES PROPIOS Facultad de Cecas Exactas y Tecologías UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO aa Error! No hay texto co el estlo especfcado e el documeto.

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

Estadística Contenidos NM 4

Estadística Contenidos NM 4 Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS

ANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS UNIVERIDAD de VALLADOLID ECUELA de INGENIERÍA INDUTRIALE INGENIERO TÉCNICO INDUTRIAL, EPECIALIDAD EN MECÁNICA PROYECTO FIN DE CARRERA ANÁLII ETADÍTICO DEL CONTROL DE CALIDAD EN LA EMPREA Autor: Galca Adrés,

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u

de los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:

Más detalles

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente:

Las anualidades anticipadas ocurren al inicio de cada periodo de tiempo, el diagrama de flujo de cada de estas anualidades es el siguiente: Matemátcas faceras 4.2. Aualdades atcpadas 4.2. Aualdades atcpadas UNIDAD IV. ANUALIDADES Las aualdades vecdas so aquellas que sus pagos guales ocurre al falzar cada perodo, u dagrama de flujo de cada

Más detalles

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS

Tema 9 Estadística Matemáticas B 4º E.S.O. 1 TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS EN VARIABLES DISCRETAS Tema 9 Estadístca Matemátcas B º E.S.O. TEM 9 ESTDÍSTIC TBLS DE FRECUENCIS Y REPRESENTCIONES GRÁFICS EN VRIBLES DISCRETS EJERCICIO : l pregutar a 0 dvduos sobre el úmero de lbros que ha leído e el últmo

Más detalles

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico.

Objetivos. El alumno conocerá y aplicará el concepto de arreglos unidimensionales para resolver problemas que requieren algoritmos de tipo numérico. Objetvos El alumo coocerá y aplcará el cocepto de arreglos udmesoales para resolver problemas que requere algortmos de tpo umérco. Al fal de esta práctca el alumo podrá:. Maejar arreglos udmesoales.. Realzar

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

GENERACION DE VARIABLES ALEATORIAS

GENERACION DE VARIABLES ALEATORIAS GENERACION DE VARIABLES ALEATORIAS Hay ua varedad de métodos para geerar varables aleatoras. Cada método se aplca solo a u subcojuto de dstrbucoes y para ua dstrbucó e partcular u método puede ser más

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

IES POLITÉCNICO SORIA - (Dep. de Física y Química)

IES POLITÉCNICO SORIA - (Dep. de Física y Química) IES POLITÉCNICO SORIA - (De. de Físca y Químca) EQUILIBRIO QUÍMICO EJERCICIOS - 1 1. E u matraz de 1 ltro se troduce,7 moles de PCl 5 y se caleta a 5ºC. E el equlbro se aalza la mezcla ecotrado,4 moles

Más detalles

ADMINISTRACIÓN FINANCIERA. - Cálculo Financiero Teoría y Práctica

ADMINISTRACIÓN FINANCIERA. - Cálculo Financiero Teoría y Práctica 2 ADMINISTRACIÓN FINANCIERA - Cálculo Facero Teoría y Práctca Año 2007 Profesor ttular: Profesor Adjuto: Eduardo Melsky Herá Rouby 3 Idce: CALCULO FINANCIERO 3 REGIMEN DE CAPITALIZACION SIMPLE 6 REGIMEN

Más detalles

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A

A I A subconjunto de S A es un Evento s A s es elemento de A Ocurre el evento A Uversdad Técca Federco Sata María Departameto de Iformátca ILI-80 Coceptos áscos Capítulo 5 Modelos de Probabldades Estadístca stca Computacoal II Semestre 005 Profesores: Héctor llede (hallede@f.utfsm.cl

Más detalles

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:

Si los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por: Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

Este documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a  El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de

Más detalles

Cuando un sistema se encuentra en un estado cuántico dado, podemos considerar que se encuentra parcialmente en otros 2 ó + estados.

Cuando un sistema se encuentra en un estado cuántico dado, podemos considerar que se encuentra parcialmente en otros 2 ó + estados. Estado cuátco: Prcpo de superposcó de los estados: Cualquer movmeto o perturbado que esté restrgdo por tatas codcoes como sea posble teórcamete s que exsta terferecas o cotradccoes etre ellas. Estado e

Más detalles

5- VARIABLES ALEATORIAS BIDIMENSIONALES

5- VARIABLES ALEATORIAS BIDIMENSIONALES Parte Varables aleatoras bdmesoales Prof. María B. Ptarell 5- VARIABLES ALEATORIAS BIDIMENSIONALES 5. Geeraldades Hasta ahora hemos cosderado el caso de varables aleatoras udmesoales. Esto es, el resultado

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL

CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL CAPITULO TRES MEDIDAS DE TENDENCIA CENTRAL 3. CARACTERISTICAS NUMERICAS DE UNA VARIABLE S tratamos de represetar uestras edades medate u polígoo de frecuecas, y os ubcamos e el tempo: hace 0 años, hoy

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA

DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE 1 - ELEMENTOS DEL DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE CERTEZA DIAGRAMA DE EQUILIBRIO EN CONDICIONES DE INCERTIDUMBRE - INTRODUCCION Es tecó aalzar e este trabajo las coocdas relacoes costo-volume-utldad para el caso e que sus compoetes sea: w : costo varable utaro

Más detalles

5 Distribuciones Muestrales

5 Distribuciones Muestrales 5 Dstrbucoes Muestrales. Itroduccó Al defr la estadístca se explcó que la probabldad se trabaja desde la poblacó haca la muestra, metras que la fereca estadístca se trabaja e setdo cotraro, es decr, de

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

q q q q q q n r r r qq k r q q q q

q q q q q q n r r r qq k r q q q q urso: FISIA II B 30 00 I Profesor: JOAQIN SALEDO jsalcedo@u.edu.pe Eergía potecal electrostátca. S traemos ua carga desde ua dstaca fta el trabajo ecesaro es ulo. 0 trate ua fumadta, grats,, te vto S luego

Más detalles

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL.

RENTABILIDAD DE LA CUOTA DE CAPITALIZACIÓN INDIVIDUAL. Supertedeca de Admstradoras de Fodos de Pesoes CIRCULAR Nº 736 VISTOS: Las facultades que cofere la ley a esta Supertedeca, se mparte las sguetes struccoes de cumplmeto oblgatoro para todas las Admstradoras

Más detalles

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia

Apuntes preparados por el profesor Sr. Rosamel Sáez Espinoza con fines de docencia Aputes preparados por el profesor Sr. Rosamel Sáez Espoza co fes de doceca La meda Sea u cojuto de observacoes x 1,..., x, o agrupados. Se defe la meda o promedo, medate: x 1 La meda utlza todas las observacoes,

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

ANALES DE MECÁNICA DE LA FRACTURA Vol. 22 (2005)

ANALES DE MECÁNICA DE LA FRACTURA Vol. 22 (2005) AALES DE MECÁICA DE LA FRACTURA Vol. (5) 7 DAÑ PRBABILISTA SBRE EL CEMET E PRÓTESIS DE CADERA. IFLUECIA DEL GRAD DE UI CEMET-PRTESIS J. Grasa, Mª A. Pérez, J. M. García-Azar, J. A. Bea y M. Doblaré Gruo

Más detalles

Tema 2: Semiconductores intrínsecos y extrínsecos

Tema 2: Semiconductores intrínsecos y extrínsecos lectróca de dsostvos Dr.. Reg 5/6 Tea : Secoductores trísecos y extrísecos a. : K. Kao Itroduccó Desdad de stados (De) ucó de dstrbucó de er-drac Desdad de ortadores e secoductores trísecos. vel de er

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

Análisis acerca de la distribución de Weibull con datos truncados y la distribución generalizada de Pareto aplicado a fallas en dieléctricos

Análisis acerca de la distribución de Weibull con datos truncados y la distribución generalizada de Pareto aplicado a fallas en dieléctricos Herrera Lus A. Salvaterra Lucas M. Razztte Adrá C. Kovalevs Laura I. Damm Quña ablo L. Irurzu Isabel M. Mola Eduardo E. Aálss acerca de la dstrbucó de Webull co datos trucados la dstrbucó eeralzada de

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

Más detalles