Análisis del juego televisivo QUIÉN QUIERE SER MILLONARIO? R

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

Download "Análisis del juego televisivo QUIÉN QUIERE SER MILLONARIO? R"

Transcripción

1 Análisis del juego televisivo QUIÉN QUIERE SER MILLONARIO? R Federico Perea Justo Puerto * MaMaEuSch ** Management Mathematics for European Schools CP DE - COMENIUS - C21 * Universidad de Sevilla ** Este proyecto ha sido desarrollado con ayuda parcial de la Unión Europea dentro del marco del programa Sócrates. El contenido no refleja necesariamente la posición de la Unión Europea ni implica ninguna responsabilidad por parte de la Unión Europea. 0

2 1. Introducción Este trabajo versa sobre el popular juego televisivo Quién quiere ser millonario? R. Formularemos un modelo matemático del juego y encontraremos la estrategia óptima de un participante del juego. Cuando se escribió este trabajo había 45 versiones del programa en 71 países. En más de 100 países, diferentes cadenas de televisión habían comprado la licencia y emitirían el programa antes o después. Quién quiere ser millonario? R debutó en el Reino Unido en Septiembre de 1998 y tuvo un gran éxito. Después se extendió por todo el mundo, llegando a España en el verano del año 2000, donde fue emitido por la cadena de televisión Telecinco. Aunque las reglas del juego son similares en todos los países, en este trabajo nos referiremos a las reglas seguidas en la versión española del juego. Se elige a un candidato de entre 10, y éste tiene la oportunidad de ganar un premio de 50 millones de pesetas (en adelante las cifras serán dadas en Euros). Para alcanzar dicha cantidad debe responder correctamente a 15 preguntas de respuesta múltiple seguidas. El concursante puede abandonar el juego y mantener sus ganancias. En cada etapa le proponen una pregunta y cuatro posibles respuestas antes de decidir si juega o no. Una vez que ha decidido seguir jugando, tiene que responder correctamente a dicha pregunta para poder seguir en el juego. Cada pregunta tiene un cierto valor monetario, dados en la siguiente tabla en Euros. El dinero que el concursante puede ganar si contesta correctamente a cada una de las preguntas viene dado en la tabla 1. Hay tres estados ( puntos de seguridad ) donde el dinero se acumula y no se puede perder aunque el concursante responda incorrectamente a una de las preguntas. Esas tres cantidades de seguridad son: 1800, y Euros. No hay tiempo límite para responder a una pregunta. Si el tiempo se agota con un jugador concreto, el siguiente programa continuará con el mismo jugador. En cualquier momento el concursante puede usar uno o más comodines. Estos son: Opción del 50 %: la computadora elimina dos de las cuatro posibles respuestas, dejando sólo la correcta y una de las incorrectas. Teléfono: el concursante puede consultar la pregunta por teléfono a un amigo o familiar, con un tiempo máximo de llamada de 30 segundos. Público: cada miembro del público tiene la opción de elegir la respuesta que considere correcta presionando un botón en su asiento. Los resultados de las elecciones del público se muestran al concursante en porcentajes. 1

3 pregunta n o valor monetario Cuadro 1: Recompensas inmediatas En adelante nos referiremos a esos comodines como: comodín 1 para el 50 %, comodín 2 para el Teléfono, comodín 3 para el Público. Cada concursante puede usar cada comodín sólo una vez durante el juego completo. El principal objetivo de este trabajo es mostrar como un problema real de toma de decisión difícil puede ser modelado y resuelto fácilmente mediante herramientas básicas de la Investigación Operativa, en nuestro caso mediante Programación Dinámica Discreta. Este objetivo se alcanzará después de tres fases: 1. modelado, 2. formulación matemática, 3. simulación del proceso real. 2

4 En la fase de modelado identificamos los elementos que describen el problema y los asociamos con elementos matemáticos. En la fase de formulación proponemos una descripción del problema como un proceso de decisión Markoviano, resuelto mediante programación matemática discreta. Se presentarán dos modelos que guiarán a los jugadores a encontrar estrategias óptimas que maximicen su ganancia esperada, modelo llamado estrategia de máxima esperanza, y estrategias óptimas que maximicen la probabilidad de alcanzar una cantidad de dinero fijada, estrategia llamada estrategia de máxima probabilidad. Al hacer esto estableceremos dos modelos matemáticos del juego, y encontraremos estrategias óptimas para un concursante cualquiera. Esto se consigue mediante la descripción matemática del juego como un proceso de decisión Markoviano discreto y su resolución mediante programación matemática discreta. El resto del trabajo se organiza de la siguiente forma: la segunda sección está dedicada a mostrar el modelo matemático general (estados, posibles acciones, recompensas, función de transición, probabilidades de contestar correctamente y sus estimaciones). En la tercera sección presentamos la descripción del primer modelo (estrategia de máxima esperanza). También en esta sección se presenta el caso en el que queremos maximizar la probabilidad de ganar una cierta cantidad de dinero (estrategia de máxima probabilidad), comenzando en un estado de partida. Después de esto, presentamos simulaciones de cómo jugar a este juego de forma dinámica. 2. El modelo general El juego real requiere que el participante tome decisiones cada vez que contesta a una pregunta correctamente. El horizonte es finito, es decir, tenemos N = 16 posibles estados, donde el 16 o estado corresponde a la situación después de contestar correctamente la pregunta número 15. Para tomar una decisión, el concursante tiene que conocer el número de la pregunta en la que está y el número de comodines que ha usado hasta ese momento. La historia del juego se resume con esa información. Definimos S como el conjunto de vectores de estado s = (k, l 1, l 2, l 3 ), donde k es el índice de la pregunta en la que nos encontramos y { 1 si el comodín i no ha sido utilizado, l i = 0 si el comodín i ha sido utilizado en una pregunta anterior. En cualquier estado s S siendo A(s) el conjunto de posibles acciones en ese estado. Si suponemos que estamos en el estado s = (k, l 1, l 2, l 3 ), A(s) dependerá del índice de la pregunta en la que estemos y de los comodines que nos queden por usar. Si k = 16 el juego se ha terminado y no hay posibles acciones. Si k 15, el concursante tiene varias posibilidades: 3

5 r 0 0 r r r r r r r r r r r r r r r r0 0 r1 0 r2 0 r3 0 r4 0 r r r r r r r r r r r Cuadro 2: Recompensas inmediatas y dinero asegurado Responder a la pregunta sin usar comodines. Responder a la pregunta utilizando uno o más comodines, si le queda alguno. En ese caso, el concursante debe especificar el comodín que va a usar. Plantarse y abandonar el juego Si el jugador decide no contestar, la recompensa inmediata que recibe es el valor monetario de la última pregunta contestada. Si decide contestar, la recompensa inmediata es una variable aleatoria y depende de la probabilidad de contestar correctamente. Si al responder lo hace incorrectamente, la recompensa inmediata es el último punto de seguridad alcanzado antes de fallar. Si el concursante contesta correctamente, no hay recompensa inmediata, pues pasará a la siguiente pregunta. Denotemos r k la recompensa inmediata que obtiene el concursante si decide dejar el juego después de responder correctamente la pregunta k-ésima, es decir, si decide pararse en el estado s = (k + 1, l 1, l 2, l 3 ), y denotemos por rk la recompensa inmediata si fallase en el estado s = (k + 1, l 1, l 2, l 3 ). Ver la tabla 2. 4

6 Después de tomar una decisión nos encontraremos en un nuevo estado del proceso. Si el concursante decide plantarse o falla la pregunta, el juego se termina. Si decide seguir jugando y responde correctamente, hay una transición a otro estado t(s, a) = (k, l 1, l 2, l 3) S, donde el índice k de la pregunta es igual a k + 1 y los indicadores de los comodines l i son: l i = { l i 1 l i si el concursante usa el comodín i en esa pregunta, en otro caso. El hecho de contestar correctamente viene definido por su probabilidad, dependiendo de la pregunta en la que estemos, siendo esas probabilidades iguales para todos los candidatos. Además supondremos que en dichas probabilidades influyen los comodines que usemos, que se supone que nos ayudan, es decir, aumentan la probabilidad de contestar correctamente. Denotemos por p a s la probabilidad de contestar correctamente en el estado s S si llevamos a cabo la acción a A(s). Nuestro análisis tiene en cuenta la posible habilidad del participante. Por ello, dividiremos a los concursantes en cuatro grupos, A, B, C, D. El hecho de que un concursante pertenezca a uno de los grupos quiere decir que sus probabilidades a priori de responder correctamente p a s se modifican por un factor, que es diferente para cada grupo. Matemáticamente quiere decir que dichas probabilidades se multiplican por un factor de corrección h G, G {A, B, C, D}, que las modifica de la siguiente forma: h G p a S, G {A, B, C, D}, donde h A = 1, h B = 0,9, h C = 0,8, h D = 0,7. Esto significa que cuanto menor es la habilidad del participante, menores son sus probabilidades de responder correctamente una pregunta. Uno de los principales problemas en la resolución del problema real es la obtención de una buena estimación de las probabilidades en el proceso de decisión. Para una estimación realista, se necesitarían datos de cada pregunta y cada posible combinación de comodines utilizados, un número de concursantes que contestaron correctamente y un número de concursantes que fallaron en cada pregunta y con cada combinación de comodines. Además, dicho número debería ser suficientemente grande para estimar las probabilidades. Como se mencionó antes, sólo hay disponibles datos reales de unos cuarenta programas y, por lo tanto, no tenemos observaciones reales para la mayoría de las combinaciones de 5

7 preguntas y comodines. Aún así, tenemos información suficiente para poder estimar las probabilidades de contestar correctamente sin utilizar comodines y utilizando un único comodín. Y con esa información, y ciertas suposiciones que ahora enunciaremos, podemos resolver el problema de la estimación de probabilidades. Sea p k la probabilidad de contestar correctamente sin usar comodines. Supongamos que existe una relación multiplicativa entre, la probabilidad de fallar una pregunta en un cierto estado utilizando el comodín i y la probabilidad de fallarla sin utilizar comodines. Esta relación es tal que la probabilidad de equivocarse disminuye por un factor c i, 0 < c i < 1, i = 1, 2, 3, o en otras palabras: p i k = 1 (1 p k)c i k, (1) donde p i k es la probabilidad de contestar correctamente la pregunta número k utilizando el comodín i ésimo (conocemos tanto p k como p i k para todo (k, i)). Además suponemos que la combinación de varios comodines modifica las probabilidades originales (1 p k ) multiplicando por las diferentes constantes c. Esta simplificación nos permite dar una expresión heurística de las probabilidades, lo que se puede justificar porque no teníamos suficientes datos para dar una estimación real para cada combinación de comodines. Con esta suposición, podemos usar la información que tenemos sobre los concursantes para estimar sus probabilidades de contestar correctamente con toda combinación posible de comodines. Ahora estimaremos las probabilidades de contestar correctamente sin usar comodines y las constantes c i k a partir de los datos disponibles. Para toda pregunta k, consideramos los concursantes que no emplearon comodines y los que emplearon solo uno. Entonces, para cada uno de esos grupos de concursantes, tendremos en cuenta el número de ellos que contestaron correctamente esta pregunta y aquellos que la fallaron. Esas probabilidades se estiman mediante las frecuencias observadas en los datos, y son las que se muestran en la tabla 3. Sea p k la probabilidad de responder correctamente la k-ésima pregunta sin utilizar comodines, p 1 k la probabilidad de responder correctamente utilizando el comodín 1 (comodín del 50 %), p 2 k la probabilidad de responder correctamente utilizando el comodín 2 (telefonear a un amigo) y p 3 k la probabilidad de responder correctamente utilizando el comodín 3 (consultar al público). En la tabla 3 tenemos las probabilidades de responder correctamente (dadas en %) 1. 1 valor original 100 % reemplazado por 99 % 6

8 pregunta n o k p k p 1 k p 2 k p 3 k Cuadro 3: Estimación de las probabilidades de responder correctamente En nuestro modelo utilizamos la ecuación (1) para estimar los valores de las constantes c. Por lo tanto, para cada pregunta k el factor c i k modifica la probabilidad de acertar cuando se usa el comodín i de la siguiente forma: La tabla 4 presenta los diferentes factores. c i k = 1 pi k. 1 p k 3. Formulación matemática En esta sección presentamos dos modelos diferentes. El primero está pensado para encontrar la estrategia que maximiza la recompensa esperada, y el segundo la que maximice la probabilidad de alcanzar una pregunta determinada. Ambos, además de dar la máxima probabilidad y la recompensa esperada, nos darán también las estrategias óptimas a seguir. 7

9 k c 1 k c 2 k c 3 k Cuadro 4: Factores de corrección 3.1. Modelo 1: recompensa esperada Sea p a s la probabilidad de responder correctamente si en el estado s S se lleva a cabo la acción a A(s). Supongamos que las probabilidades p a s sólo dependen del índice de la pregunta en la que estemos y de los comodines utilizados. Sea f(s) la recompensa máxima esperada que se puede obtener desde el estado s. Podemos evaluar f(s) de la siguiente forma: La máxima recompensa esperada a partir de s será el máximo de todas las recompensas esperadas que se pueden obtener eligiendo las diferentes acciones posibles en el juego a A(s). En ese punto, podemos o bien abandonar el juego, con lo que nos aseguraremos r k 1, o ir a la siguiente pregunta (supondremos que viene indexada por k). En el último caso, si elegimos la acción a A(s), entonces contestaremos correctamente con probabilidad p a s y fallaremos con probabilidad (1 p a s). La recompensa obtenida cuando fallamos una pregunta viene dada por las recompensas aseguradas citadas anteriormente, en nuestro caso, para la pregunta k, es decir, rk 1. Por otro lado, si contestamos correctamente a la pregunta k se produce una transición a la siguiente pregunta con los comodines no utilizados. Denotemos por t(s, a) a la función de transición que nos da el nuevo estado en el que nos encontramos si se elige la acción a en el estado s. Entonces, a partir de ese punto la 8

10 Estado f(estado) 15,1,1, ,0,0, ,0,1, ,0,1, ,1,1, ,1,0, ,1,0, ,0,0, Cuadro 5: Probabilidades en el estado de partida. recompensa esperada es f(t(s, a)). En resumen, la recompensa esperada bajo la acción a es: Por tanto, p a sf(t(s, a)) + (1 p a s)r k 1. f(s) = máx {r k 1, p a sf(t(s, a)) + (1 p a s)rk 1}. a A(s) Para obtener la máxima recompensa esperada tenemos que evaluar f(estado inicial). Si el concursante comienza desde la pregunta número 1 con los tres comodines, tenemos que calcular f(1, 1, 1, 1). Los valores de f se pueden calcular recursivamente mediante inducción inversa, ya que conocemos el valor de f en cada estado factible del estado final. En la tabla 5 se muestran dichos valores, calculados de forma sencilla. Por lo tanto, mediante la inducción inversa y a partir de los datos de la tabla 5, obtenemos f(1, 1, 1, 1) y las estrategias óptimas. En este proceso utilizamos las probabilidades estimadas y las constantes obtenidas en la sección 2. Todos los cálculos se realizaron mediante un programa informático desarrollado con MAPLE. La solución hallada por el programa es f(1, 1, 1, 1) = 2490,89, y la estrategia a seguir para obtener esa ganancia esperada es la que se muestra en la tabla Modelo 2: alcanzar una pregunta En esta sección abordamos una nueva situación. Hemos encontrado en la sección 3.1 la estrategia óptima a seguir si quisiéramos maximizar la recompensa esperada, y cuál es la 9

11 Pregunta Estrategia 1 Sin comodines 2 Sin comodines 3 Sin comodines 4 Sin comodines 5 Público 6 Sin comodines 7 Sin comodines 8 Sin comodines 9 50 % 10 Teléfono 11 Sin comodines 12 Sin comodines 13 Parar Recompensa esperada Cuadro 6: Solución del modelo 1. recomoensa máxima esperada. Ahora queremos encontrar la estrategia óptima a seguir si queremos maximizar la probabilidad de alcanzar una pregunta determinada y responderla correctamente. Además, también damos la probabilidad de conseguirlo si se sigue la estrategia óptima. Definamos el nuevo problema. Recordar que un estado s viene definido como un vector de cuatro componentes, como antes: s = (k, l 1, l 2, l 3 ). Sea k = 1, 2,, 15, un número fijo. Nuestro objetivo es responder correctamente la pregunta número k. Denotamos por f(s) la máxima probabilidad de llegar a la pregunta k y contestarla correctamente, comenzando desde el estado s. Evaluamos f(s) de la siguiente forma: La máxima probabilidad de alcanzar y contestar correctamente la pregunta número k, comenzando en el estado s que es el máximo de entre las probabilidades de contestar correctamente la pregunta actual, dependiendo de la acción a A(s) elegida, multiplicado por la máxima probabilidad de alcanzar nuestro objetivo desde el estado t(a, s), a A(s), donde t(a, s) es el estado en el que nos encontraremos si elegimos la acción a en s y respondemos correctamente. 10

12 Es decir, tenemos que: f(k, l 1, l 2, l 3 ) = máx 0 g i l i g i Z, i {p k,g1,g 2,g 3 f(k + 1, l 1 g 1, l 2 g 2, l 3 g 3 )}, donde p k,g1,g 2,g 3 es la probabilidad de contestar correctamente la k-ésima pregunta utilizando los comodines indicados, donde g i = 1, i = 1, 2, 3 si se utiliza el i-ésimo comodín y 0 en caso contrario. La función f es un funcional recursivo, por lo tanto para obtener sus valores por inducción inversa necesitamos conocer su valor en todos los estados de la etapa final. Notar que el objetivo en esta formulación es alcanzar el estado k. Por lo tanto, la probabilidad de haberlo hecho si estamos en el estado k + 1 es claramente 1. Así pues, tenemos que f(k + 1, l 1, l 2, l 3 ) = 1 l i {0, 1}, i = 1, 2, 3. Una vez que tenemos los valores de la función en la etapa final, la solución de este modelo es el cálculo de f(estado inicial). Si comenzamos desde la primera pregunta y tenemos todos los comodines, el estado de salida es (1,1,1,1). Pero si comenzamos en la tercera pregunta y solo tenemos el comodín del 50 % y el del público, el estado de salida sería (3,1,0,1). De cualquier modo, el algoritmo que proponemos resuelve el problema comenzando desde cualquier posible estado y teniendo como objetivo cualquier nivel del juego. Desarrollamos un programa informático en MAPLE en el que, utilizando las constantes c i calculadas antes, evaluamos el valor de la función f y encontramos las estrategias óptimas. En este modelo no tenemos una única solución, sino 15, ya que podemos tener 15 posibles objetivos: las quince preguntas del juego. Por motivos de brevedad, solo mostraremos la solución obtenida si partimos del estado (1,1,1,1) y queremos alcanzar y responder correctamente las preguntas 5,10,13 y 15. En la tabla 7 aparecen las estrategias óptimas y las probabilidades de alcanzar y contestar correctamente las preguntas mencionadas antes. La última fila de dicha tabla representa la probabilidad de alcanzar el objetivo propuesto. 4. Otras consideraciones del análisis del juego Hemos resuelto el problema de una forma estática, es decir, todas las probabilidades venían determinadas a priori, sin conocer realmente ni el enunciado de las preguntas, ni sus 11

13 Pregunta Objetivo: 5 Objetivo: 10 Objetivo: 13 Objetivo:15 1 Sin comodines Sin comodines Sin comodines Sin comodines 2 Sin comodines Sin comodines Sin comodines Sin comodines 3 50 % Sin comodines Sin comodines Sin comodines 4 Público Sin comodines Sin comodines Sin comodines 5 Teléfono Sin comodines Sin comodines Sin comodines 6 Público Sin comodines Sin comodines 7 Sin comodines Sin comodines Sin comodines 8 Sin comodines Sin comodines Sin comodines 9 50 % Público Sin comodines 10 Teléfono Sin comodines Sin comodines 11 Teléfono Teléfono % Sin comodines 13 Sin comodines Sin comodines 14 Público % Probabilidad Cuadro 7: Estrategias óptimas en el modelo 2. 12

14 posibles respuestas. En el concurso real, el juego se desarrolla de forma que las probabilidades de contestar una pregunta correctamente se modifican cada vez que el concursante lee su enunciado y ve las posibles respuestas. Por ejemplo, estando en la cuarta pregunta se puede estimar la probabilidad de acertarla sabiendo realmente cuál es esa pregunta. Lo que haremos será cambiar la probabilidad de acertar la pregunta y mantener las estimaciones realizadas para los siguientes estados. Este análisis quiere decir que el jugador modifica, en cada estado k, la probabilidad p k de contestar correctamente de acuerdo con su conocimiento de la pregunta. Esto sería una forma realista de jugar al juego dinámicamente. Esta característica ha sido incorporada a nuestro programa informático, por lo que en cada estado el jugador puede cambiar la probabilidad de responder correctamente la pregunta a la que se enfrenta en ese momento. Notar que este argumento no modifica nuestro análisis recursivo del problema. Sólo significa que permitimos cambiar la probabilidad p k en cada etapa del análisis Simulación Como ilustración de nuestro análisis del juego realizaremos una simulación del proceso para comprobar el comportamiento de las estrategias ganadoras propuestas en los modelos. Como mencionamos en la sección 2, clasificamos a los participantes en cuatro grupos de la siguiente forma: Los jugadores del grupo A tienen las probabilidades originales descritas con anterioridad. Las probabilidades de contestar correctamente para los jugadores del grupo B son las del grupo A multiplicadas por 0.9. Las probabilidades de contestar correctamente para los jugadores del grupo C son las del grupo A multiplicadas por 0.8. Los jugadores del grupo D tienen unas probabilidades de acertar que son las del grupo A multiplicadas por 0.7. Ahora presentamos dos tablas (tabla 8) con las estrategias que deben seguir los participantes, dependiendo del grupo al que pertenezcan, para maximizar su ganancia esperada (Modelo 1) y la probabilidad de ganar o al menos, la máxima ganancia esperada (Modelo 2). Por ejemplo, la última fila en la columna del participante A en el Modelo 1 muestra el dinero esperado que conseguiría siguiendo la estrategia descrita en dicha columna, y la última fila en el Modelo 2 es la probabilidad de ganar, al menos, dicha cantidad de dinero. Es decir, como para ganar al menos euros tenemos que contestar correctamente la pregunta número 7, nuestro 13

15 objetivo será alcanzar y contestar correctamente la pregunta número 7. Los otros casos son análogos. En ambas tablas, la última fila muestra la máxima recompensa esperada, en la columna del Modelo 1, o la probabilidad de tener éxito con la estrategia descrita en el Modelo 2. Para terminar esta sección vamos a mostrar una simulación del Modelo 1 del juego jugado dinámicamente. Es decir, supondremos que en cada pregunta la probabilidad de contestarla correctamente se modifica una vez que hemos leído su enunciado y las cuatro posibles respuestas. Supongamos que el concursante se enfrenta ahora a la pregunta k th. Tiene que decidir si la contesta, y en ese caso cómo, o no la contesta, dependiendo del grado de dificultad de la pregunta real. El modelo supone que las probabilidades de contestar correctamente las siguientes preguntas, es decir, de k + 1 en adelante, son las que estimamos originalmente. En la tabla 9 las estrategias de utilizar el comodín del 50 %, el Teléfono o el Público se denotan por 50, T y P respectivamente. Para simplificar la simulación supondremos que las probabilidades de contestar correctamente pueden ser: 1 si el concursante conoce la respuesta correcta. 0.5 si el concursante duda entre dos posibles respuestas si lo único que sabe es que una de las respuestas es incorrecta si no tiene ni idea de cuál de las respuestas puede ser la correcta. El lector puede notar que se puede incoporar al modelo cualquier tipo de información probabilística a priori, basada en el conocimiento del jugador. Esta incorporación se realiza mediante el cálculo posterior de las probabilidades usando la regla de Bayes. Está claro que las estrategias cambian dependiendo de las probabilidades de contestar correctamente la pregunta en la que estemos en este momento, que han sido elegidas aleatoriamente utilizando diferentes funciones de probabilidad para cada pregunta. El primer número en cada celda es la probabilidad real de contestar correctamente la correspondiente pregunta. Como se puede observar, dependiendo de la probabilidad simulada, las estrategias pueden variar, desde parar en la quinta pregunta hasta seguir jugando hasta la duodécima. 14

16 Grupo A Grupo B Pregunta Modelo 1 Modelo 2 Modelo 1 Modelo 2 1 Sin comodines Sin comodines Sin comodines Sin comodines 2 Sin comodines Sin comodines Sin comodines Sin comodines 3 Sin comodines Sin comodines Sin comodines 50 % 4 Sin comodines Sin comodines Público Público 5 Sin comodines Teléfono Teléfono Teléfono 6 Público 50 % Sin comodines Parar 7 Sin comodines Público Sin comodines 8 Sin comodines Parar Sin comodines 9 50 % Sin comodines 10 Teléfono 50 % 11 Sin comodines Sin comodines 12 Sin comodines Sin comodines 13 Parar Parar R.E / Prob Grupo C Grupo D Pregunta Modelo 1 Modelo 2 Modelo 1 Modelo 2 1 Sin comodines Sin comodines Sin comodines Sin comodines 2 Sin comodines Público Sin comodines Sin comodines 3 50 % 50 % 50 % 50 % 4 Público Teléfono Público Público 5 Teléfono Parar Teléfono Teléfono 6 Sin comodines Sin comodines Parar 7 Sin comodines Sin comodines 8 Sin comodines Parar 9 Parar R.E / Prob Cuadro 8: Soluciones óptimas dependiendo de la habilidad del concursante 15

17 Pregunta P1 P2 P3 P4 P5 P6 1 1/SC 1/SC 0.5/50-P 0.5/50-P 0.5/50-P 1/SC 2 0.5/50 0.5/T 1/SC 0.33/ T 1/SC 1/SC 3 1/SC 0.33/P 0.5/T 1/SC 1/SC 0.33/50 4 1/SC 0.5/50 0.5/SC 1/SC 0.5/T 1/SC 5 0.5/T 0.25/Parar 0.5/SC 0.33/SC 0.5/SC 1/SC 6 0.5/P 0.33/SC 0.5/SC 1/SC 0.5/P 7 0.5/SC 1/SC 0.5/SC 0.33/SC 1/SC 8 1/SC 0.5/SC 0.5/SC 1/SC 0.5/SC /Parar 0.33/Parar 0.33/Parar 0.25/Parar 1/SC /T /SC /Parar Cuadro 9: Simulación Referencias [1] Chlond M.J. (2001), The Travelling Space Telescope Problem, INFORMS Transactions on Education 2:1 (58-60). [2] Cochran J.J. (2001), Who Wants To Be A Millionaire R : The Classroom Edition, INFORMS Transactions on Education 1:3 ( ). [3] Rump C.M. (2001), Who Wants to See a $Million Error?. A Neglected Educational Resource, INFORMS Transactions on Education 1:3 ( ). [4] Heyman D. and Sobel M. (1984), Stochastic Models in Operations Research. Vol 2, McGraw-Hill, New York. [5] Sniedovich M. (2003),. A Neglected Educational Resource, INFORMS Transactions on Education 2:3, [6] Sniedovich M. (2002), Towers of Hanoi, INFORMS Transactions on Education 3:1 (34-51). 16

18 [7] Sniedovich M. (2000), Çounterfeit Coin Problem. INFORMS Transactions on Education 3:2 (32-41). [8] Tijms H.C. (1986), Stochastic modeling and analysis. A computational approach. WILEY, New York. 17

Un juego de cartas: Las siete y media

Un juego de cartas: Las siete y media Un juego de cartas: Las siete y media Paula Lagares Federico Perea Justo Puerto * MaMaEuSch ** Management Mathematics for European Schools 94342 - CP - 1-2001 - DE - COMENIUS - C21 * Universidad de Sevilla

Más detalles

Ecuaciones de primer grado con dos incógnitas

Ecuaciones de primer grado con dos incógnitas Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad

Más detalles

Juego Azar O Matemática?

Juego Azar O Matemática? Juego Azar O Matemática? Carlos Aragón Pérez Grado en Ingeniería en telecomunicaciones c.aragon@edu.uah.es Vamos a explicar las técnicas matemáticas que podremos utilizar para poder ganar en los juegos

Más detalles

ANÁLISIS DE UN JUEGO DE CARTAS: LAS SIETE Y MEDIA

ANÁLISIS DE UN JUEGO DE CARTAS: LAS SIETE Y MEDIA ANÁLISIS DE UN JUEGO DE CARTAS: LAS SIETE Y MEDIA MaMaEuSch (Management Mathematics for European School) http://www.mathematik.uni-kl.de/~mamaeusch/ Modelos matemáticos orientados a la educación Clases

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

Más detalles

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

Inversión. Inversión. Arbitraje. Descuento. Tema 5

Inversión. Inversión. Arbitraje. Descuento. Tema 5 Inversión Tema 5 Inversión Los bienes de inversión obligan a gastar hoy para obtener ganancias en el futuro Vamos a estudiar cómo se valoran los pagos futuros Por ejemplo, la promesa de recibir euro dentro

Más detalles

ETS Caminos Santander. Curso 2012. Ejercicios de introducción a la programación.

ETS Caminos Santander. Curso 2012. Ejercicios de introducción a la programación. Ejercicio 1. Saludo. El programa preguntará el nombre al usuario y a continuación le saludará de la siguiente forma "Hola, NOMBRE" donde NOMBRE es el nombre del usuario. Ejercicio 2. Suma. El programa

Más detalles

CAPÍTULO II. 2 El espacio vectorial R n

CAPÍTULO II. 2 El espacio vectorial R n CAPÍTULO II 2 El espacio vectorial R n A una n upla (x 1, x 2,..., x n ) de números reales se le denomina vector de n coordenadas o, simplemente, vector. Por ejemplo, el par ( 3, 2) es un vector de R 2,

Más detalles

Usamos que f( p) = q y que, por tanto, g( q) = g(f( p)) = h( p) para simplificar esta expresión:

Usamos que f( p) = q y que, por tanto, g( q) = g(f( p)) = h( p) para simplificar esta expresión: Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 2004-2005 Propiedades de las funciones diferenciables. 1. Regla de la cadena Después de la generalización que hemos

Más detalles

Aproximación local. Plano tangente. Derivadas parciales.

Aproximación local. Plano tangente. Derivadas parciales. Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación

Más detalles

Escritura de ecuaciones de problemas de algebraicos

Escritura de ecuaciones de problemas de algebraicos 1 Escritura de ecuaciones de problemas de algebraicos Herbert Mendía A. 2011-10-12 www.cimacien.org.gt Conocimientos previos necesarios Operaciones básicas: suma, resta, multiplicación y división. Jerarquía

Más detalles

CAPITULO V. SIMULACION DEL SISTEMA 5.1 DISEÑO DEL MODELO

CAPITULO V. SIMULACION DEL SISTEMA 5.1 DISEÑO DEL MODELO CAPITULO V. SIMULACION DEL SISTEMA 5.1 DISEÑO DEL MODELO En base a las variables mencionadas anteriormente se describirán las relaciones que existen entre cada una de ellas, y como se afectan. Dichas variables

Más detalles

Toma de decisiones en situación de certeza, riesgo e incertidumbre

Toma de decisiones en situación de certeza, riesgo e incertidumbre Toma de decisiones en situación de certeza, riesgo e incertidumbre Apellidos, nombre Departamento Centro Rueda Armengot, Carlos (crueda@doe.upv.es) Peris Ortiz, Marta (mperis@doe.upv.es) Organización de

Más detalles

Sistemas de numeración

Sistemas de numeración Sistemas de numeración Un sistema de numeración es un conjunto de símbolos y reglas que permiten representar datos numéricos. Los sistemas de numeración actuales son sistemas posicionales, que se caracterizan

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas. Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos

Más detalles

ORGANIZACIÓN INDUSTRIAL (16691-ECO) PARTE II: MODELOS DE COMPETENCIA IMPERFECTA TEMA 2: EL MONOPOLIO SOLUCIÓN A LOS PROBLEMAS PROPUESTOS

ORGANIZACIÓN INDUSTRIAL (16691-ECO) PARTE II: MODELOS DE COMPETENCIA IMPERFECTA TEMA 2: EL MONOPOLIO SOLUCIÓN A LOS PROBLEMAS PROPUESTOS ORGANIZACIÓN INDUSTRIAL (16691-ECO) PARTE II: MODELOS DE COMPETENCIA IMPERFECTA TEMA 2: EL MONOPOLIO 2.1 ANÁLISIS DE EQUILIBRIO 2.2. DISCRIMINACIÓN DE PRECIOS Y REGULACIÓN SOLUCIÓN A LOS PROBLEMAS PROPUESTOS

Más detalles

Tema 2. Espacios Vectoriales. 2.1. Introducción

Tema 2. Espacios Vectoriales. 2.1. Introducción Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por

Más detalles

Introducción al Cálculo de Probabilidades a través de casos reales

Introducción al Cálculo de Probabilidades a través de casos reales MaMaEuSch Management Mathematics for European Schools http://www.mathematik.unikl.de/ mamaeusch Introducción al Cálculo de Probabilidades a través de casos reales Paula Lagares Barreiro * Federico Perea

Más detalles

ESTRATEGIA DE APUESTAS DE RAFA PAREJA EJEMPLO PRÁCTICO REAL DE LA JORNADA 19 DE 2011/2012

ESTRATEGIA DE APUESTAS DE RAFA PAREJA EJEMPLO PRÁCTICO REAL DE LA JORNADA 19 DE 2011/2012 ESTRATEGIA DE APUESTAS DE RAFA PAREJA Vamos a explicar, utilizando un ejemplo práctico, qué sistema seguimos para generar nuestra combinación de apuestas de cada jornada. La estrategia se divide en 5 pasos

Más detalles

Charla No 3: Fórmulas de mayor uso.

Charla No 3: Fórmulas de mayor uso. 1 Charla No 3: Fórmulas de mayor uso. Objetivos generales: Explicar el uso de las funciones de mayor uso en MS-Excel Objetivos específicos: Autosuma. Asistente de fórmulas. Max y Min. Buscarv Contar Si

Más detalles

CASO PRAÁ CTICO ANAÁ LISIS DE ESTADOS FINANCIEROS

CASO PRAÁ CTICO ANAÁ LISIS DE ESTADOS FINANCIEROS CASO PRAÁ CTICO ANAÁ LISIS DE ESTADOS FINANCIEROS Deseamos realizar un análisis comparativo de las cuentas consolidadas de dos empresas, concretamente TELEFÓNICA e INDITEX para determinar si responden

Más detalles

Tutoríal para el cálculo del volumen de trabajo ECTS en una asignatura en un modelo de simulación con hoja de cálculo Excel

Tutoríal para el cálculo del volumen de trabajo ECTS en una asignatura en un modelo de simulación con hoja de cálculo Excel Tutoríal para el cálculo del volumen de trabajo ECTS en una asignatura en un modelo de simulación con hoja de cálculo Excel Objetivos versión 2.0 (19 jun 2007) Agustín Romero Medina - Para que el profesor

Más detalles

Un problema sobre repetidas apuestas al azar

Un problema sobre repetidas apuestas al azar Un problema sobre repetidas apuestas al azar Eleonora Catsigeras 1 10 de marzo de 2003. Resumen En estas notas se da el enunciado y una demostración de un conocido resultado sobre la probabilidad de éxito

Más detalles

Problemas indecidibles

Problemas indecidibles Capítulo 7 Problemas indecidibles 71 Codificación de máquinas de Turing Toda MT se puede codificar como una secuencia finita de ceros y unos En esta sección presentaremos una codificación válida para todas

Más detalles

martilloatomico@gmail.com

martilloatomico@gmail.com Titulo: REGLA DE TRES CON BASE UNITARIA Año escolar: MATEMATICA 1 Autor: José Luis Albornoz Salazar Ocupación: Ing Civil. Docente Universitario País de residencia: Venezuela Correo electrónico: martilloatomico@gmail.com

Más detalles

Tema 7: Juegos con información incompleta

Tema 7: Juegos con información incompleta Tema 7: Juegos con información incompleta Microeconomía Avanzada II Iñigo Iturbe-Ormaeche U. de Alicante 2008-09 Modelo de Spence Introducción y ejemplos Equilibrio Bayesiano de Nash Aplicaciones Señales

Más detalles

Capítulo 2. Técnicas de Evaluación de la inversión en activos no circulantes.

Capítulo 2. Técnicas de Evaluación de la inversión en activos no circulantes. Capítulo 2. Técnicas de Evaluación de la inversión en activos no circulantes. 2.1 Generalidades. En la actualidad, en lo referente a las finanzas uno de los grandes problemas que los administradores y

Más detalles

UNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN DESCUENTO

UNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN DESCUENTO - 1 - UNIDAD 1 LAS LEYES FINANCIERAS DE CAPITALIZACIÓN Y DESCUENTO Tema 1: Operaciones financieras: elementos Tema 2: Capitalización y descuento simple Tema 3: Capitalización y descuento compuesto Tema

Más detalles

La estrategia básica para jugar blackjack.

La estrategia básica para jugar blackjack. La estrategia básica para jugar blackjack. Por Carlos Zilzer. Concepto básico: En cada turno, el jugador tiene que seleccionar una de 3 posibles jugadas: Plantarse, Pedir una carta o Doblar la apuesta.

Más detalles

1. Juegos de suma cero con dos jugadores

1. Juegos de suma cero con dos jugadores Teoría de juegos Jesús López Fidalgo Esta teoría está íntimamente relacionada con la teoría de la decisión. Lo que diferencia una de otra es el rival contra el que se entra en juego. En la teoría de la

Más detalles

MatemásTIC. Estudio y práctica del álgebra matricial con una aplicación TIC didáctica y sencilla. 65 Noviembre 2010, pp. 57-67

MatemásTIC. Estudio y práctica del álgebra matricial con una aplicación TIC didáctica y sencilla. 65 Noviembre 2010, pp. 57-67 65, pp. 57-67 Estudio y práctica del álgebra matricial con una aplicación TIC didáctica y sencilla MatemásTIC A lo largo de los distintos números de Suma nos planteamos en esta sección descubrir distintas

Más detalles

Lección 24: Lenguaje algebraico y sustituciones

Lección 24: Lenguaje algebraico y sustituciones LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce

Más detalles

EDICIÓN DE ECUACIONES CON WORD y ÁLGEBRA LINEAL CON EXCEL

EDICIÓN DE ECUACIONES CON WORD y ÁLGEBRA LINEAL CON EXCEL EDICIÓN DE ECUACIONES CON WORD y ÁLGEBRA LINEAL CON EXCEL Autores: Ángel Alejandro Juan Pérez (ajuanp@uoc.edu), Cristina Steegmann Pascual (csteegmann@uoc.edu). ESQUEMA DE CONTENIDOS ECUACIONES Y ÁLGEBRA

Más detalles

ESCUELA SUPERIOR DE INFORMATICA Prácticas de Estadística UNA SESIÓN EN SPSS

ESCUELA SUPERIOR DE INFORMATICA Prácticas de Estadística UNA SESIÓN EN SPSS UNA SESIÓN EN SPSS INTRODUCCIÓN. SPSS (Statistical Product and Service Solutions) es un paquete estadístico orientado, en principio, al ámbito de aplicación de las Ciencias sociales, es uno de las herramientas

Más detalles

INVESTIGACIÓN DE OPERACIONES

INVESTIGACIÓN DE OPERACIONES INVESTIGACIÓN DE OPERACIONES Teoría de Juegos MSc. Julio Rito Vargas A. Fecha: 06/11/2014 06/11/2014 Contenidos Conceptuales 1.- Definición de un juego. 2.- Elementos de un juego. 3.- Tipos de juegos:

Más detalles

4. Se considera la función f(x) =. Se pide:

4. Se considera la función f(x) =. Se pide: Propuesta A 1. Queremos realizar una inversión en dos tipos de acciones con las siguientes condiciones: Lo invertido en las acciones de tipo A no puede superar los 10000 euros. Lo invertido en las acciones

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

Problemas Resueltos de Desigualdades y Programación Lineal

Problemas Resueltos de Desigualdades y Programación Lineal Universidad de Sonora División de Ciencias Exactas y Naturales Departamento de Matemáticas. Problemas Resueltos de Desigualdades y Programación Lineal Para el curso de Cálculo Diferencial de Químico Biólogo

Más detalles

Informática Bioingeniería

Informática Bioingeniería Informática Bioingeniería Representación Números Negativos En matemáticas, los números negativos en cualquier base se representan del modo habitual, precediéndolos con un signo. Sin embargo, en una computadora,

Más detalles

Inferencia Estadística

Inferencia Estadística MaMaEuSch Management Mathematics for European Schools http://www.mathematik.unikl.de/ mamaeusch Inferencia Estadística Paula Lagares Barreiro * Justo Puerto Albandoz * MaMaEuSch ** Management Mathematics

Más detalles

Límites. Definición de derivada.

Límites. Definición de derivada. Capítulo 4 Límites. Definición de derivada. 4.1. Límites e indeterminaciones Hemos visto en el capítulo anterior que para resolver el problema de la recta tangente tenemos que enfrentarnos a expresiones

Más detalles

Población y muestra. Técnicas de muestreos

Población y muestra. Técnicas de muestreos MaMaEuSch Management Mathematics for European Schools http://www.mathematik.unikl.de/ mamaeusch Población y muestra. Técnicas de muestreos Paula Lagares Barreiro * Justo Puerto Albandoz * MaMaEuSch **

Más detalles

Tema 7: Capital, inversión y ciclos reales

Tema 7: Capital, inversión y ciclos reales Tema 7: Capital, inversión y ciclos reales Macroeconomía 2014 Universidad Torcuato di Tella Constantino Hevia En la nota pasada analizamos el modelo de equilibrio general de dos períodos con producción

Más detalles

Iniciaremos nuestro estudio de teoría combinatoria enunciando los principios aditivo y multiplicativo de conteo.

Iniciaremos nuestro estudio de teoría combinatoria enunciando los principios aditivo y multiplicativo de conteo. COMBINATORIA Introducción a la Combinatoria Recuento A menudo se presenta la necesidad de calcular el número de maneras distintas en que un suceso se presenta o puede ser realizado. Otras veces es importante

Más detalles

Ejemplos de conversión de reales a enteros

Ejemplos de conversión de reales a enteros Ejemplos de conversión de reales a enteros Con el siguiente programa se pueden apreciar las diferencias entre las cuatro funciones para convertir de reales a enteros: program convertir_real_a_entero print

Más detalles

De dos incógnitas. Por ejemplo, x + y 3 = 4. De tres incógnitas. Por ejemplo, x + y + 2z = 4. Y así sucesivamente.

De dos incógnitas. Por ejemplo, x + y 3 = 4. De tres incógnitas. Por ejemplo, x + y + 2z = 4. Y así sucesivamente. 3 Ecuaciones 17 3 Ecuaciones Una ecuación es una igualdad en la que aparecen ligados, mediante operaciones algebraicas, números y letras Las letras que aparecen en una ecuación se llaman incógnitas Existen

Más detalles

UNIDAD 2. LOS NÚMEROS RACIONALES.

UNIDAD 2. LOS NÚMEROS RACIONALES. IES Prof. Juan Bautista Matemáticas º (Ver. ) Unidad : Los números racionles UNIDAD. LOS NÚMEROS RACIONALES. Unidad : Los números racionales Al final deberás haber aprendido... Usar y operar con fracciones

Más detalles

LAS APUESTAS EN EL FRONTÓN

LAS APUESTAS EN EL FRONTÓN Las Apuestas en el Frontón LAS APUESTAS EN EL FRONTÓN Alberto Bagazgoitia (*) En los frontones el juego de la pelota vasca se ha mantenido y se mantiene con fuerza a través de los años. Estos últimos años

Más detalles

Empresa bajo incertidumbre en el precio: modelo con dos destinos y un mercado de futuros

Empresa bajo incertidumbre en el precio: modelo con dos destinos y un mercado de futuros Empresa bajo incertidumbre en el precio: modelo con dos destinos y un mercado de futuros Rodríguez Puerta, Inmaculada (irodriguez@ceade.es) Dpto. de Métodos Cuantitativos CEADE Álvarez López, Alberto A.

Más detalles

UNIDAD 4 Sistemas de ecuaciones lineales... 84 Introducción... 84 4.1.- Sistemas de ecuaciones lineales con dos incógnitas... 84 4.2.

UNIDAD 4 Sistemas de ecuaciones lineales... 84 Introducción... 84 4.1.- Sistemas de ecuaciones lineales con dos incógnitas... 84 4.2. FACULTAD DE INGENIERÍA - UNSJ Unidad : Sistemas de Ecuaciones Lineales UNIDAD Sistemas de ecuaciones lineales... 8 Introducción... 8.1.- Sistemas de ecuaciones lineales con dos incógnitas... 8..- Resolución

Más detalles

Ingeniería del Software I Clase de Testing Funcional 2do. Cuatrimestre de 2007

Ingeniería del Software I Clase de Testing Funcional 2do. Cuatrimestre de 2007 Enunciado Se desea efectuar el testing funcional de un programa que ejecuta transferencias entre cuentas bancarias. El programa recibe como parámetros la cuenta de origen, la de cuenta de destino y el

Más detalles

Maestro Ing. Julio Rito Vargas Avilés. III cuatrimestre 2014

Maestro Ing. Julio Rito Vargas Avilés. III cuatrimestre 2014 Maestro Ing. Julio Rito Vargas Avilés. III cuatrimestre 2014 INVESTIGACIÓN DE OPERACIONES Introducción a las cadenas de Markov de primer orden 1. Definición de cadenas de Markov 2. Tipos de estados y de

Más detalles

ECONOMIA DE LA INFORMACION Y DE LA INCERTIDUMBRE EJERCICIOS (TEORIA DE JUEGOS)

ECONOMIA DE LA INFORMACION Y DE LA INCERTIDUMBRE EJERCICIOS (TEORIA DE JUEGOS) ECONOMIA DE LA INFORMACION Y DE LA INCERTIDUMBRE EJERCICIOS (TEORIA DE JUEGOS) Ejercicio 1. Aplicando el concepto de estrategias estrictamente dominadas al siguiente juego, qué estrategias podemos estar

Más detalles

MINISTERIO DE EDUCACIÓN PÚBLICA VICEMINISTERIO ACADÉMICO DIRECCIÓN DE DESARROLLO CURRICULAR 3, 13, 23, 33,,,

MINISTERIO DE EDUCACIÓN PÚBLICA VICEMINISTERIO ACADÉMICO DIRECCIÓN DE DESARROLLO CURRICULAR 3, 13, 23, 33,,, MATERIALES NECESARIOS: Una tabla de cien. Fichas o marcadores. ACTIVIDADES PROPUESTAS: 1. Usando la tabla de 100 completen la siguiente sucesión: 3, 13, 23, 33,,, a. Qué patrón sigue la sucesión? Descríbanlo

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)

Más detalles

SIMULACION. Formulación de modelos: solución obtenida de manera analítica

SIMULACION. Formulación de modelos: solución obtenida de manera analítica SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar

Más detalles

CRECIMIENTO DE DIVIDENDOS (Acciones en crecimiento)

CRECIMIENTO DE DIVIDENDOS (Acciones en crecimiento) 1 CRECIMIENTO DE DIVIDENDOS (Acciones en crecimiento) El próximo dividendo de la empresa Hugo Zaragoza SA de CV HZ será de 4 dlls por acción. Los inversionistas requieren de un rendimiento del 16%. La

Más detalles

SEPTIEMBRE 2005. Opción A

SEPTIEMBRE 2005. Opción A Selectividad Septiembre 005 SEPTIEMBRE 005 Opción A 4 5.- Calcula dos matrices cuadradas A y B sabiendo que A + 3B = y que A B =..- Se considera la parábola p (x) = 0,5 x +,5 x y sea s (x) la línea poligonal

Más detalles

Bases de datos en Excel

Bases de datos en Excel Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Bases de datos en Excel Hojas de cálculo Tema 5 Bases de datos en Excel Hasta ahora hemos usado Excel básicamente para realizar cálculos

Más detalles

Aplicaciones Lineales

Aplicaciones Lineales Aplicaciones Lineales Ejercicio Dada la matriz A = 0 2 0 a) Escribir explícitamente la aplicación lineal f : 2 cuya matriz asociada con respecto a las bases canónicas es A. En primer lugar definimos las

Más detalles

Q-flow 3.1: Introducción a Q-flow

Q-flow 3.1: Introducción a Q-flow Q-flow 3.1: Introducción a Q-flow Código del manual: Qf310001ESP Versión: 1.1 Se aplica a: Q-flow 3.1 Última revisión: 13/12/2010 i Q f 3 1 0 0 0 1 E S P v 1. 1 Q - f l o w 3.1 Introducción a Q-flow Urudata

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA SEGUNDA PRUEBA PARCIAL Profesor: Hugo S. Salinas. Primer Semestre 2009 1. Resolver los siguientes

Más detalles

Equivalencia financiera

Equivalencia financiera Equivalencia financiera 04 En esta Unidad aprenderás a: 1. Reconocer la equivalencia de capitales en distintas operaciones financieras a interés simple. 2. Calcular a interés simple los vencimientos común

Más detalles

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades:

Nota 1. Los determinantes de orden superior a 3 se calculan aplicando las siguientes propiedades: Capítulo 1 DETERMINANTES Definición 1 (Matriz traspuesta) Llamaremos matriz traspuesta de A = (a ij ) a la matriz A t = (a ji ); es decir la matriz que consiste en poner las filas de A como columnas Definición

Más detalles

EXAMEN DE SEPTIEMBRE DE CIRCUITOS ELECTRÓNICOS. CURSO 2007/08. PROBLEMA DEL PRIMER PARCIAL

EXAMEN DE SEPTIEMBRE DE CIRCUITOS ELECTRÓNICOS. CURSO 2007/08. PROBLEMA DEL PRIMER PARCIAL EXAMEN DE SEPTIEMBRE DE CIRCUITOS ELECTRÓNICOS. CURSO 27/8. PROBLEMA DEL PRIMER PARCIAL Se desea diseñar un sistema para jugar a Piedra, papel o tijera. Como se sabe, en este juego cada uno de los dos

Más detalles

Técnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S.

Técnicas De Conteo. En este caso si k es grande, no es tan sencillo hacer un conteo exhaustivo de los puntos o resultados de S. Técnicas De Conteo Si en el experimento de lanzar la moneda no cargada, se lanzan 5 monedas y definimos el evento A: se obtienen 3 caras, cómo calcular la probabilidad del evento A?, si todos los resultados

Más detalles

1. INVERSA DE UNA MATRIZ REGULAR

1. INVERSA DE UNA MATRIZ REGULAR . INVERSA DE UNA MATRIZ REGULAR Calcular la inversa de una matriz regular es un trabajo bastante tedioso. A través de ejemplos se expondrán diferentes técnicas para calcular la matriz inversa de una matriz

Más detalles

Poder en el congreso de la Unión Europea

Poder en el congreso de la Unión Europea Poder en el congreso de la Unión Europea Federico Perea Justo Puerto * MaMaEuSch ** Management Mathematics for European Schools 94342 - CP - 1-2001 - DE - COMENIUS - C21 * Universidad de Sevilla ** Este

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

Redes de Kohonen y la Determinación Genética de las Clases

Redes de Kohonen y la Determinación Genética de las Clases Redes de Kohonen y la Determinación Genética de las Clases Angel Kuri Instituto Tecnológico Autónomo de México Octubre de 2001 Redes Neuronales de Kohonen Las Redes de Kohonen, también llamadas Mapas Auto-Organizados

Más detalles

Guías Excel 2007 Matrices Guía 77

Guías Excel 2007 Matrices Guía 77 MATRICES Las hojas de cálculo poseen prestaciones interesantes la gestión de matrices de tipo matemático. Unas consisten en facilitar los cálculos matriciales y otras están orientadas a cálculos estadísticos.

Más detalles

La suma y la resta. Introducción. Capítulo

La suma y la resta. Introducción. Capítulo Capítulo II La suma y la resta Introducción En el capítulo anterior, vimos que los números permiten expresar la cantidad de objetos que tiene una colección. Juntar dos o más colecciones, agregar objetos

Más detalles

Este es un ejemplo muy sencillo, un esquema de empleados que trabajan en proyectos, en una relación muchos a muchos.

Este es un ejemplo muy sencillo, un esquema de empleados que trabajan en proyectos, en una relación muchos a muchos. 28/04/2012 La teoría de la normalización va perdiendo peso con el paso de los años como herramienta de diseño de bases de datos relacionales en favor de modelos de datos más ricos en su representación,

Más detalles

CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 3 CAPITALIZACIÓN COMPUESTA

CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 3 CAPITALIZACIÓN COMPUESTA CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 3 CAPITALIZACIÓN COMPUESTA Javier Bilbao García 1 1.- Capitalización Compuesta Definición: Operación financiera que persigue sustituir un capital por

Más detalles

INDICADORES POR ENCUESTA. Cuaderno Práctico -1 -

INDICADORES POR ENCUESTA. Cuaderno Práctico -1 - INDICADORES POR ENCUESTA Cuaderno Práctico -1 - ÍNDICE Elaboración del CUESTIONARIO...- 4 - Selección de la MUESTRA...- 5 - APLICACIÓN del cuestionario...- 7 - MECANIZACIÓN de datos...- 8 - Cálculo de

Más detalles

SIMULACION. Modelos de. Julio A. Sarmiento S. http://www.javeriana.edu.co/decisiones/julio sarmien@javeriana.edu.co

SIMULACION. Modelos de. Julio A. Sarmiento S. http://www.javeriana.edu.co/decisiones/julio sarmien@javeriana.edu.co SIMULACION Modelos de http://www.javeriana.edu.co/decisiones/julio sarmien@javeriana.edu.co Julio A. Sarmiento S. Profesor - investigador Departamento de Administración Pontificia Universidad Javeriana

Más detalles

Unidad 7 Aplicación de máximos y mínimos

Unidad 7 Aplicación de máximos y mínimos Unidad 7 Aplicación de máimos y mínimos Objetivos Al terminar la unidad, el alumno: Interpretará el concepto de ingreso y costos marginal. Aplicará la función de ingresos en problemas de maimización. Aplicará

Más detalles

Así, si p.ej. seleccionamos la tabla Hoteles de alguna práctica anterior, y seleccionamos

Así, si p.ej. seleccionamos la tabla Hoteles de alguna práctica anterior, y seleccionamos ESCUELA UNIVERSITARIA DE TURISMO DIPLOMATURA DE TURISMO BASES DE DATOS Y EL SECTOR TURÍSTICO CURSO 02/03 CREACIÓN DE FORMULARIOS CON ACCESS. Access permite la inserción, eliminación y modificación de registros

Más detalles

DESIGUALDADES E INECUACIONES

DESIGUALDADES E INECUACIONES DESIGUALDAD DESIGUALDADES E INECUACIONES Para hablar de la NO IGUALDAD podemos utilizar varios términos o palabras. Como son: distinto y desigual. El término "DISTINTO" (signo ), no tiene apenas importancia

Más detalles

SOLUCIONES AL BOLETÍN DE EJERCICIOS Nº 3

SOLUCIONES AL BOLETÍN DE EJERCICIOS Nº 3 Sloan School of Management 15.010/15.011 Massachusetts Institute of Technology SOLUCIONES AL BOLETÍN DE EJERCICIOS Nº 3 1. a. FALSO Los bienes duraderos son más elásticos a corto plazo que a largo (esto

Más detalles

5.- ANÁLISIS DE RIESGO

5.- ANÁLISIS DE RIESGO 5.- ANÁLISIS DE RIESGO El módulo de Análisis de Riesgo se caracteriza por desarrollar una herramienta formativa para la gestión, que permite al usuario identificar, analizar y cuantificar el riesgo de

Más detalles

EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO

EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO 1º) Considérese un número estrictamente positivo del sistema de números máquina F(s+1, m, M, 10). Supongamos que tal número es: z = 0.d 1 d...d s 10 e Responde

Más detalles

E 1 E 2 E 2 E 3 E 4 E 5 2E 4

E 1 E 2 E 2 E 3 E 4 E 5 2E 4 Problemas resueltos de Espacios Vectoriales: 1- Para cada uno de los conjuntos de vectores que se dan a continuación estudia si son linealmente independientes, sistema generador o base: a) (2, 1, 1, 1),

Más detalles

Lección 22: Probabilidad (definición clásica)

Lección 22: Probabilidad (definición clásica) LECCIÓN 22 Lección 22: Probabilidad (definición clásica) Empezaremos esta lección haciendo un breve resumen de la lección 2 del libro de primer grado. Los fenómenos determinísticos son aquellos en los

Más detalles

Probabilidad y Simulación

Probabilidad y Simulación Probabilidad y Simulación Estímulo del Talento Matemático Real Academia de Ciencias 4 de febrero de 2006 Entendiendo el azar Queremos entender un fenómeno aleatorio (azar, incertidumbre). Entenderlo lo

Más detalles

Para resolver estos problemas podemos seguir tres pasos:

Para resolver estos problemas podemos seguir tres pasos: RESOLUCIÓN DE PROBLEMAS Algunos problemas pueden resolverse empleando sistemas de dos ecuaciones de primer grado con dos incógnitas. Muchas veces se pueden resolver utilizando una sola ecuación con una

Más detalles

28 = 16 + 8 + 4 + 0 + 0 = 11100 1

28 = 16 + 8 + 4 + 0 + 0 = 11100 1 ELECTRÓNICA DIGITAL 4º ESO Tecnología Introducción Imaginemos que deseamos instalar un sistema electrónico para la apertura de una caja fuerte. Para ello debemos pensar en el número de sensores que nos

Más detalles

Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B

Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2012 - Propuesta B 1. Una empresa tiene 3000 bolsas de ajo morado de Las

Más detalles

Entramos en el programa de Licencias. Seleccionamos de la barra de menú la opción. Pantalla 1: Menú Licencias.

Entramos en el programa de Licencias. Seleccionamos de la barra de menú la opción. Pantalla 1: Menú Licencias. Licencias 18 SECCIÓN 3 CAPÍTULO 18 LICENCIAS LICENCIAS Licencias. Licencias: Entramos en el programa de Licencias. Seleccionamos de la barra de menú la opción Licencias : Pantalla 1: Menú Licencias. Obtenemos

Más detalles

10 Claves para mejorar el posicionamiento en buscadores de tu negocio

10 Claves para mejorar el posicionamiento en buscadores de tu negocio 10 Claves para mejorar el posicionamiento en buscadores de tu negocio Calle San Rafael, 14 28108 Alcobendas (Madrid) 902 90 10 20 www..com Introducción Toda empresa o particular que pone en marcha una

Más detalles

Fórmulas y enfoques utilizados para calcular el Tasa Efectiva de Interés (TEI) o Costo Anual Total (CAT)

Fórmulas y enfoques utilizados para calcular el Tasa Efectiva de Interés (TEI) o Costo Anual Total (CAT) Fórmulas y enfoques utilizados para calcular el Tasa Efectiva de Interés (TEI) o Costo Anual Total (CAT) El propósito del Costo Anual Total (CAT) El precio verdadero del préstamo no solamente incluye los

Más detalles

Hasta este momento Lupita todavía no sabe si tendrá que ahorrar o va a pedir un crédito para poder comprar lo que necesita.

Hasta este momento Lupita todavía no sabe si tendrá que ahorrar o va a pedir un crédito para poder comprar lo que necesita. Módulo 6. Inversión Te acuerdas que Lupita, la esposa de Vicente, quería poner un restaurante? Bueno, pues como ya habíamos contado en los otros módulos, Lupita tiene que comprar algunas cosas para poder

Más detalles

Operaciones Morfológicas en Imágenes Binarias

Operaciones Morfológicas en Imágenes Binarias Operaciones Morfológicas en Imágenes Binarias Introducción La morfología matemática es una herramienta muy utilizada en el procesamiento de i- mágenes. Las operaciones morfológicas pueden simplificar los

Más detalles

TEORIA DE JUEGOS (Síntesis de conceptos introductorias de J.Pérez, J.L. Jimeno y E. Cerdá, Teoría de Juegos, Madrid, Pearson, 2004, )

TEORIA DE JUEGOS (Síntesis de conceptos introductorias de J.Pérez, J.L. Jimeno y E. Cerdá, Teoría de Juegos, Madrid, Pearson, 2004, ) TEORIA DE JUEGOS (Síntesis de conceptos introductorias de J.Pérez, J.L. Jimeno y E. Cerdá, Teoría de Juegos, Madrid, Pearson, 2004, ) Hablando en términos generales e intuitivos, podríamos decir que la

Más detalles

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases.

Tema III. Capítulo 2. Sistemas generadores. Sistemas libres. Bases. Tema III Capítulo 2 Sistemas generadores Sistemas libres Bases Álgebra Lineal I Departamento de Métodos Matemáticos y de Representación UDC 2 Sistemas generadores Sistemas libres Bases 1 Combinación lineal

Más detalles

4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD

4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD 4.3 INTERPRETACIÓN ECONÓMICA DE LA DUALIDAD El problema de programación lineal se puede considerar como modelo de asignación de recursos, en el que el objetivo es maximizar los ingresos o las utilidades,

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

Accesibilidad web GUÍA FUNCIONAL

Accesibilidad web GUÍA FUNCIONAL Accesibilidad web GUÍA FUNCIONAL 0 _ ÍNDICE 01_Introducción 02_Primeros pasos 03_Conceptos 04_Navegación por voz 05_Navegación por teclado 06_Navegación por sonido 07_Compatibilidad con lectores de pantalla

Más detalles

TEMA I: INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL

TEMA I: INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL TEMA I: INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL 1. Electrónica Digital Antes de empezar en el tema en cuestión, vamos a dar una posible definición de la disciplina que vamos a tratar, así como su ámbito

Más detalles