Robots Autónomos. Depto. de Ciencia de la Computación e Inteligencia Artificial
|
|
- Andrés Tebar Figueroa
- hace 7 años
- Vistas:
Transcripción
1 Robots Autónomos Depto. de Ciencia de la Computación e Inteligencia Artificial
2 Contenido Problema del mapeado Mapeado 2D Mapeado 3D Introducción al SLAM Mapeado topológico
3 Construcción de mapas: Descripción del problema La odometría es muy ruidosa El robot no sabe con certeza dónde está Dónde estoy? Localización Dónde he estado? Construcción de mapas Ambas tareas están relacionadas: Si no sé dónde estoy no puedo construir un mapa adecuado Inicialmente trataremos los dos problemas por separado En este tema supondremos siempre que conocemos la posición actual del robot (problema del mapeado con poses conocidas ) 3 3
4 Errores de odometría 4 4
5 Detección automática de mapas del entorno En determinadas situaciones no disponemos de un mapa del entorno Podemos hacer que el robot recorra el entorno tomando mediciones y creando un mapa a partir de ellas Un mapa contiene zonas donde el robot ha detectado obstáculos o artefactos y zonas que considera libre 5 5
6 Enfoques Existen dos enfoques tanto para la localización como para la construcción de mapas: Algoritmos icónicos: se fundamentan en el uso de rejillas de ocupación. Son los más extendidos. Algoritmos basados en características: extraen características (landmarks) del entorno, tanto para construir como para localizarse. 6 6
7 Rejillas de ocupación Una rejilla de ocupación es una discretización del entorno del robot en celdas. Dicha discretización vendrá dada por el tamaño del mundo en el que se encuentra el robot Manejamos una matriz cuyas celdas contendrán un valor de probabilidad, el cual indica la certidumbre de que en esa posición haya un obstáculo (1.0) o exista espacio libre (0.0) 7 7
8 Historia de las rejillas de ocupación Trabajos pioneros de Moravec y Elfes en los 80 Inicialmente con fórmulas ad-hoc Más tarde se apoyaron en la teoría de la probabilidad para formular el problema, especialmente en el teorema de Bayes Hans Moravec Actualmente es un método estándar en robótica móvil No solo el algoritmo que veremos, la mayoría de algoritmos de mapeado y localización actuales son probabilísticos y usan el teorema de Bayes 8 8 Se venden (!) en
9 Qué nos dice una única lectura del sonar? Supongamos que un sonar nos devuelve una lectura de 3 m Por aquí hay algo Espacio libre 3m Sin información 9 9
10 Modelo de sensor P(r OCU) Probabilidad de que dado que una celda está ocupada, tengamos una lectura del sonar Esta función se puede calcular a partir de datos experimentales, o bien se puede hacer un modelo a ojo (perdón, se dice analítico) 10 1
11 Modelo de sensor P(r OCU) En el mundo real, es una función (OCUx,OCUy,r) [0..1] En la gráfica se muestran los valores de (OCUx,OCUy) [0..1] para una r fija de 80cm 11 1
12 Formulación del Modelo de sensor Tres regiones: 1: región de ocupado 2: región de vacío Resto: incertidumbre Incorporamos dos parámetros del sonar: θ: amplitud angular ε : error de distancia 12 1
13 Cálculo del modelo de sensor La función que calcula estas probabilidades es: Región 1: d < R+ε y d > R-ε abs(α) < θ P=0.5+(0.5*(1-(α/θ)2)*(1-((d-R)/ε)2)) Esta función es máxima en el punto de la lectura y disminuye conforme se aleja de la lectura Región 2: d < R-ε abs(α) < θ P=0.5*(1-((1-(α/θ)2)*(1-(d/(R-ε))2))) Esta función es mínima en la posición del sónar y aumenta conforme se acerca a la lectura 1 13
14 Cosas que queremos conseguir 1. Calcular P(OCU R) Cuidado! no es lo mismo que P(R OCU) Pero nos puede ayudar Bayes 1. Combinar la información procedente de varias lecturas P(OCU R1,R2, ) De nuevo Bayes puede ayudarnos 1 14
15 Probabilidad P(OCU r) Nos interesa saber la probabilidad de que una celda esté ocupada dada una lectura de sonar Esta probabilidad es P(OCU r) y se calcula aplicando Bayes: P(OCU r)=p(r OCU)P(OCU)/{P(r OCU)P(OCU) +P(r OCU)P( OCU)} P(OCU) y P( OCU) es la probabilidad a priori y representa lo que conocemos del entorno P( OCU) se puede simplificar a 1-P(OCU) Lo mismo pasa para P(r OCU)=1-P(r OCU) 1 15
16 Combinar varias lecturas Conforme el robot se vaya moviendo se producirán varias lecturas y debemos actualizar la rejilla P(OCU) es la evidencia que tenemos de ocupación En el primer instante P(OCU)=0.5 En la primera lectura actualizamos la rejilla con la regla de Bayes descrita anteriormente En la segunda lectura P(OCU) tomará el valor de P(OCU r) Este proceso se puede realizar de manera iterativa con el siguiente algoritmo 16 1
17 Algoritmo de actualización de la rejilla global Inicialmente, todas las celdillas tienen valor 0.5 (no tenemos evidencia de ocupación) En cada instante de tiempo, tomamos las lecturas de los sonares Para cada lectura r Para cada celdilla c de la rejilla global Actualizar el valor de la celdilla P(OCU r) aplicando la siguiente fórmula 17 P(OCU r)=p(r OCU)P(OCU)/(P(r OCU)P(OCU)+(1-P(r OCU))(1-P(OCU))) 1
18 Efecto sobre la rejilla
19 Ventajas del modelo bayesiano La evidencia es acumulativa: Una lectura no tiene que ser necesariamente un obstáculo Muchas lecturas en el mismo lugar implican una alta evidencia de presencia de obstáculo El error en las lecturas del sonar se atenúa al mantener un modelo de sensor con dicho error implícito 19 1
20 Ejemplos de mapeado ERROR ODOMETRIA DE DOBLE REBOTE DE SONAR 20 2
21 Ejemplo sobre simulador 21 2
22 Solución: aplicar algún método de ajuste 22 2
23 Mapeado 3D Podemos ampliar el método 2D, creando una matriz 3D donde cada voxel contendrá la probabilidad de que esté ocupado También se pueden usar mapas de elevación O representar directamente los puntos 3D 23
24 Voxelizado 24
25 Mapas de elevación 25
26 Representación de puntos 3D Problemas? 26
27 Simultaneous Localization and Mapping (SLAM) Definición: tarea de construir un mapa a la vez que nos localizamos en dicho mapa Es un problema del huevo y la gallina: con un buen mapa nos podemos localizar, con una buena localización podemos construir un mapa Problema asociado: asociación de datos. Cómo podemos establecer que algo que estamos viendo ahora lo hemos visto anteriormente Otro problema: los errores de los sensores y el robot se correlacionan 27
28 Asociación de datos 28
29 Correlación entre los errores 29
30 Cierre de ciclo 30
31 Victoria Park Data Set 31 [courtesy by E. Nebot]
32 Victoria Park Data Set Vehicle 32 [courtesy by E. Nebot]
33 Data Acquisition 33 [courtesy by E. Nebot]
34 Estimated Trajectory 34 [courtesy by E. Nebot]
35 Mapeado topológico Usa regiones del entorno para agruparlas Dos problemas relacionados pero distintos: encontrar las regiones de manera no supervisada o bien que alguien marque esas regiones 35
36 Reconocimiento de lugares Se han tomado imágenes (o datos 3D) de un entorno y cada imagen se ha etiquetado como perteneciente a una región 36
37 Proceso a seguir Se procesan las imágenes (se extraen características 2D o 3D) Se aplican métodos de clasificación (boosting, SVM, etc.) para clasificar las imágenes 37
38 Construcción de mapa topológico La tarea consiste en agrupar imágenes por similaridad, para determinar regiones (método no supervisado) 1º: Cómo establecer el parecido entre imágenes 2º: Cómo marcar el límite de las regiones 38
39 Parecido entre imágenes Se necesita un método que nos diga cuánto se parecen dos imágenes Usando características 39
40 Método de comparación entre imágenes Segmentación de la imagen Agrupación de características cuyas coordenadas se encuentren en la misma región Comparación de grafos: más robusto 40
41 Proceso de construcción del mapa Se parte de la primera imagen. Se crea el primer nodo del mapa Si la distancia de la imagen actual con el nodo actual está por debajo de un umbral, la imagen se asigna al nodo actual. Si no, se compara con todos los nodos disponibles. Se toma la distancia menor. Si dicha distancia está por debajo del umbral, se asigna al nodo (cierre de ciclo) y se crea un enlace entre el nodo anterior y el nodo con la distancia menor Si tampoco, se crea un nuevo nodo y se enlaza con el anterior. 41
42 Proceso de creación del mapa 42
43 Resultados 43
Visión artificial y Robótica Modelos de movimiento y mapas. Depto. de Ciencia de la Computación e Inteligencia Artificial
Visión artificial y Robótica Modelos de movimiento y mapas Depto. de Ciencia de la Computación e Inteligencia Artificial Contenidos Sistemas de coordenadas Localización de objetos en el espacio Modelos
Más detallesLocalización. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides
M.Sc. Kryscia Ramírez Benavides Problemas de Navegación de los Robots Dónde estoy?. Dónde he estado? Mapa de decisiones. A dónde voy? Planificación de misiones. Cuál es la mejor manera de llegar? Planificación
Más detallesVisión artificial y Robótica Geometría. Depto. de Ciencia de la Computación e Inteligencia Artificial
Visión artificial y Robótica Geometría Depto. de Ciencia de la Computación e Inteligencia Artificial Contenidos Geometría 2D y 3D Transformación de coordenadas Calibración de la cámara Álgebra necesaria
Más detallesCRITERIOS DE SELECCIÓN DE MODELOS
Inteligencia artificial y reconocimiento de patrones CRITERIOS DE SELECCIÓN DE MODELOS 1 Criterios para elegir un modelo Dos decisiones fundamentales: El tipo de modelo (árboles de decisión, redes neuronales,
Más detallesClasificador Jerárquico de Imágenes utilizando Naive Bayes
Clasificador Jerárquico de Imágenes utilizando Naive Bayes Hernandez Torres Julio Noe, Marin Castro Maribel Angelica Instituto Nacional de Astrofísica Óptica y Electrónica {julio.hernandez.t, mmarinc}
Más detallesTema 8: Introducción a la Teoría sobre Contraste de hipótesis
Tema 8: Introducción a la Teoría sobre Contraste de hipótesis Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Introducción a la Teoría
Más detallesVISIÓN POR COMPUTADOR
VISIÓN POR COMPUTADOR Introducción Ingeniería de Sistemas y Automática Universidad Miguel Hernández Tabla de Contenidos 2 Definición de Visión por Computador Captación Información Luminosa Imagen Digital
Más detallesANEXO 1. CALIBRADO DE LOS SENSORES.
ANEXO 1. CALIBRADO DE LOS SENSORES. Las resistencias dependientes de la luz (LDR) varían su resistencia en función de la luz que reciben. Un incremento de la luz que reciben produce una disminución de
Más detallesUnidad V. 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales.
Unidad V Aplicaciones de la derivada 5.1 Recta tangente y recta normal a una curva en un punto. Curvas ortogonales. Una tangente a una curva es una recta que toca la curva en un solo punto y tiene la misma
Más detallesInvestigación Operativa
Investigación Operativa Unidad: Teoría de decisiones y modelos de programación lineal Docente: Johnny. Pacheco Contreras Unidad Teoría de decisiones y modelos de programación lineal. Logro Al finalizar
Más detallesTema 15: Combinación de clasificadores
Tema 15: Combinación de clasificadores p. 1/21 Tema 15: Combinación de clasificadores Abdelmalik Moujahid, Iñaki Inza, Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial
Más detallesGRÁFICOS DE CONTROL. Datos tipo atributo
GRÁFICOS DE CONTROL Datos tipo atributo SELECCIÓN DE LOS GRÁFICOS DE CONTROL GRÁFICOS PARA ATRIBUTOS Se distinguen dos grandes grupos: Los gráficos p, 100p y u difieren de los gráficos np y c en que los
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesPreliminares Interpolación INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL
INTERPOLACIÓN Y APROXIMACIÓN POLINOMIAL Contenido Preliminares 1 Preliminares Teorema 2 Contenido Preliminares Teorema 1 Preliminares Teorema 2 Teorema Preliminares Teorema Teorema: Serie de Taylor Supongamos
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
Más detallesAnálisis en Forma Estratégica: Juegos Estáticos I
Análisis en Forma Estratégica: Juegos Estáticos I Empezaremos nuestro análisis con juegos estáticos: Aquellos en los cuales los jugadores decide sus acciones de forma simultánea e independiente. Nuestro
Más detallesGRÁFICOS DE CONTROL. Datos tipo atributo
GRÁFICOS DE CONTROL Datos tipo atributo SELECCIÓN DE LOS GRÁFICOS DE CONTROL Total GRÁFICOS PARA ATRIBUTOS Se distinguen dos grandes grupos: Por unidad Los gráficos p, 100p y u difieren de los gráficos
Más detallesTALLERES DE MATEMATICA INSTITUCION EDUCATIVA PRESBITERO DANIEL JORDAN TEMA: IDENTIDADES TRIGONOMETRICAS GEOMETRIA ANALITICA EXPERIMENTOS ALEATORIOS
TEMAS: ANALISIS DE LAS FUNCIONES TRIGONOMETRICAS ECUACIONES TRIGONOMETRICAS LA LINEA RECTA SECCIONES CONICAS TALLER NO. 1 TRABAJO EXTRACLASE ANALISIS DE LAS FUNCIONES TRIGONOMETRICAS : Escriba debajo de
Más detallesUnidad 1: Espacio de Probabilidad
Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar
Más detallesIntroducción a la Robótica Móvil
Introducción a la Robótica Móvil Eduardo Morales, L. Enrique Sucar Inteligencia Artificial Intro Robotica 1 Contendio Qué es un robot? Tipos de Robots Partes de un robot Arquitecturas Percepción Mapas
Más detallesFísica Cuántica Partículas idénticas.
Física Cuántica Partículas idénticas. José Manuel López y Luis Enrique González Universidad de Valladolid Curso 2004-2005 p. 1/18 Partículas idénticas Qué son varias partículas idénticas? Las que tienen
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesGrupo A B C D E Docente: Fís. Dudbil Olvasada Pabon Riaño Materia: Oscilaciones y Ondas
Ondas mecánicas Definición: Una onda mecánica es la propagación de una perturbación a través de un medio. Donde. Así, la función de onda se puede escribir de la siguiente manera, Ondas transversales: Son
Más detallesInteligencia Artificial. Aprendizaje neuronal. Ing. Sup. en Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani
Inteligencia Artificial Aprendizaje neuronal Ing. Sup. en Informática, 4º Curso académico: 20/202 Profesores: Ramón Hermoso y Matteo Vasirani Aprendizaje Resumen: 3. Aprendizaje automático 3. Introducción
Más detallesRobots Autónomos Miguel Cazorla,, Otto Colomina Depto.. Ciencia de la Computación n e I.A. Universidad de Alicante
Robots Autónomos Miguel Cazorla,, Otto Colomina Depto.. Ciencia de la Computación n e I.A. Universidad de Alicante Este ítem está licenciado bajo Licencia Creative Commons Presentación n Robótica Tipo
Más detallesTrayectoria, es el camino recorrido por un móvil para ir de un punto a otro. Entre dos puntos hay infinitas trayectorias, infinitos caminos.
Taller de lectura 3 : Cinemática Cinemática, es el estudio del movimiento sin atender a sus causas. Se entiende por movimiento, el cambio de posición de una partícula con relación al tiempo y a un punto
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesTema 4. Probabilidad Condicionada
Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello
Más detallesAprendizaje y extensiones mixtas
Capítulo 7 Aprendizaje y extensiones mixtas 7.1. Aprendizaje En esta sección veremos la relevancia de definir un modelo de aprendizaje en ambientes inciertos. El paradigma de modelo de aprendizaje en teoría
Más detallesTSTC. Dpt. Teoría de la Señal, Telemática y Comunicaciones Tema 2 CINEMÁTICA DE MANIPULADORES
Dpt. Teoría de la Señal, Telemática y Comunicaciones Tema 2 CINEMÁTICA DE MANIPULADORES Secciones 1. Introducción. 2. Coordenadas y Transformaciones Homogéneas. 3. Problema Cinemático Directo. Método de
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesObjetivos. Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos. Epígrafes
Objetivos Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos Epígrafes Introducción a los Gráficos p, np. Interpretación Gráficos c y u. Interpretación 2-1 Gráfico
Más detalles4.12 Ciertos teoremas fundamentales del cálculo de probabilidades
1 de 9 15/10/2006 05:57 a.m. Nodo Raíz: 4. Cálculo de probabilidades y variables Siguiente: 4.14 Tests diagnósticos Previo: 4.10 Probabilidad condicionada e independencia de 4.12 Ciertos teoremas fundamentales
Más detallesAutómatas Deterministas. Ivan Olmos Pineda
Autómatas Deterministas Ivan Olmos Pineda Introducción Los autómatas son una representación formal muy útil, que permite modelar el comportamiento de diferentes dispositivos, máquinas, programas, etc.
Más detallesTECNOLOGÍAS INTELIGENTES PARA EXPLOTACIÓN DE INFORMACIÓN
TECNOLOGÍAS INTELIGENTES PARA EXPLOTACIÓN DE INFORMACIÓN FUNDAMENTOS CURSO DE DOCTORADO Dr. Ramón García-Martínez * * * CONTEXTO La inteligencia de negocio propone un abordaje interdisciplinario que tomando:
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesIntroducción a las Redes Neuronales
Introducción a las Redes Neuronales Excepto en las tareas basadas en el cálculo aritmético simple, actualmente, el cerebro humano es superior a cualquier computador: Reconocimiento de imágenes, Interpretación
Más detallesVisión por computadora Computer vision
Visión por computadora Computer vision Conjunto de algoritmos que permiten obtener una representación visual del mundo, suficiente para la realización de una tarea dada. Representación visual El mundo:
Más detallesAnálisis de. Análisis de. Decisiones:
Análisis de : Tablas de Pagos y Árboles de Decisión Fragoso Iñiguez I Marisol Salazar Rosales Leandro Julián Noviembre, 06 Tablas de Pagos Una situación de decisión en condiciones de incertidumbre puede
Más detallesCINEMÁTICA ESTUDIO DEL MOVIMIENTO DE LOS CUERPOS 1.- Movimiento y desplazamiento (Conceptos previos)
CINEMÁTICA ESTUDIO DEL MOVIMIENTO DE LOS CUERPOS 1.- Movimiento y desplazamiento (Conceptos previos) Para poder definir el movimiento, se necesitan tres factores: - El SISTEMA DE REFERENCIA es el punto
Más detallesCinemática del Robot. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides
M.Sc. Kryscia Ramírez Benavides Sistema Robótico Cinemática Dinámica Planeamiento de Tareas Software Hardware Diseño Mecánico Actuadores Sistema de Control Sensores 2 Introducción Con el fin de controlar
Más detallesUniversidad Central de Venezuela Facultad de Ciencias Escuela de Computación Organización y Estructura del Computador II Semestre I-2014.
Universidad Central de Venezuela Facultad de Ciencias Escuela de Computación Organización y Estructura del Computador II Semestre I-2014 Práctica #3 1) Qué es un latch? Qué es un flip-flop? 2) Si se aplican
Más detallesComputación Cuántica Topológica PARTE 1
Introducción a la Computación Cuántica Topológica PARTE Javier García IFAE / UAB Sumario - Computación clásica - Probabilidad - Mecánica cuántica - Computación cuántica Computación Clásica Computación
Más detallesIntroducción. 1. Algebra de sucesos. PROBABILIDAD Tema 2.1: Fundamentos de Probabilidad Primeras deniciones. M. Iniesta Universidad de Murcia
PROBABILIDAD Tema 2.1: Fundamentos de Probabilidad Introducción Jacob Berooulli (1654-1705), Abraham de Moivre (1667-1754), el reverendo Thomas Bayes (1702-1761) y Joseph Lagrange (1736-1813) desarrollaron
Más detallesMaría Paula Coluccio y Patricia Picardo Laboratorio I de Física para Biólogos y Geólogos Depto. de Física, FCEyN, UBA 1999
María Paula Coluccio y Patricia Picardo Laboratorio I de Física para Biólogos y Geólogos Depto. de Física, FCEyN, UBA 1999 En el presente trabajo nos proponemos estimar el valor de la aceleración de la
Más detallesEstadística Descriptiva
M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo
Más detallesLa recta en el plano.
1 CONOCIMIENTOS PREVIOS. 1 La recta en el plano. 1. Conocimientos previos. Antes de iniciar el tema se deben de tener los siguientes conocimientos básicos: Intervalos y sus definiciones básicas. Representación
Más detallesUNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,
Más detallesNUEVA ENCUESTA NACIONAL DE HOGARES 2010 Descripción de los principales resultados
NUEVA ENCUESTA NACIONAL DE HOGARES 2010 Descripción de los principales resultados La Encuesta Nacional de Hogares, al igual que la anterior Encuesta de Hogares de Propósitos Múltiples que se realizó entre
Más detallesTema 3: Planeamiento de la Utilidad
Universidad de Los Andes Núcleo Universitario Rafael Rangel Departamento de Ciencias Económicas, Administrativas y Contables Área: Finanzas Asignatura: Financiamiento I Prof.: Angel Higuerey G. Tema 3:
Más detallesMicro y Macroeconomía
Micro y Macroeconomía 1 Sesión No. 6 Nombre: Teoría del consumidor Contextualización: La microeconomía como herramienta de análisis nos permite el poder comprender el comportamiento de las personas en
Más detallesCONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD
CONTENIDOS 1. Procesos Estocásticos y de Markov 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD 4. Comportamiento Estacionario de las CMTD 1. Procesos Estocásticos
Más detallesTrabajo Práctico 2 - ECUACIÓN DE LA RECTA
Trabajo Práctico - ECUACIÓN DE LA RECTA ) Un barril tiene una capacidad de 00 litros. El barril se encuentra sobre una balanza y al echarle distintas cantidades de un aceite, se puede tomar el peso que
Más detallesBioestadística para Reumatólogos
Bioestadística para Reumatólogos Xavier Barber Vallés Mabel Sánchez Barrioluengo Colaboradores - Umh Todos los datos que se muestran son ficticios Tablas 2x2: Riesgos Relativos y Odds ratio En cada sociedad
Más detallesESTADISTICA. Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos:
ESTADISTICA Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos: a) Estadística como enumeración de datos. b) Estadística como descripción, es decir, a través de un análisis
Más detallesa) Factoriza el monomio común. En este caso 6 se puede dividir de cada término:
Materia: Matemática de 5to Tema: Factorización y Resolución de ecuaciones 1) Factorización Marco Teórico Decimos que un polinomio está factorizado completamente cuando no podemos factorizarlo más. He aquí
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesTema 12: Las Áreas de figuras planas. El Teorema de Pitágoras. 1-T 12--1ºESO
Tema 1: Las Áreas de figuras planas. El Teorema de Pitágoras. 1-T 1--1ºESO I.- Perímetro y Área de las figuras planas: Antes de ver todas y cada una de las fórmulas que nos permiten averiguar el área de
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Más detallesAlgoritmos Genéticos. Introducción a la Robótica Inteligente. Álvaro Gutiérrez 20 de abril de
Algoritmos Genéticos Introducción a la Robótica Inteligente Álvaro Gutiérrez 20 de abril de 2016 aguti@etsit.upm.es www.robolabo.etsit.upm.es Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos
Más detallesModelización por medio de sistemas
SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES. Modelización por medio de sistemas d y dy Ecuaciones autónomas de segundo orden: = f ( y, ) Una variable independiente. Una variable dependiente. La variable
Más detallesToda cantidad física tiene unidades características. El reconocimiento de tales unidades y de sus combinaciones se conoce como análisis dimensional.
Análisis dimensional Toda cantidad física tiene unidades características. El reconocimiento de tales unidades y de sus combinaciones se conoce como análisis dimensional. Se consideran siete cantidades
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 2 Probabilidad condicional e independencia Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Distinguir los eventos condicionales de los eventos independientes.
Más detallesCapítulo 3. Conjuntos. Continuar
Capítulo 3. Conjuntos Continuar Introducción Georg Cantor definió el concepto de conjunto como una colección de objetos reales o abstractos e introdujo el conjunto potencia y las operaciones entre conjuntos.
Más detallesLa producción de acero en Monterrey N.L. (México) en millones de toneladas, durante el año de 1992 a partir del mes de enero se muestra en la tabla:
El objetivo al estudiar el concepto razón de cambio, es analizar tanto cuantitativa como cualitativamente las razones de cambio instantáneo y promedio de un fenómeno, lo cual nos permite dar solución a
Más detallesExpliquemos con exactitud qué queremos decir con valores máximos y mínimos.
Introducción: Ahora que conocemos las reglas de derivación nos encontramos en mejor posición para continuar con las aplicaciones de la derivada. Veremos cómo afectan las derivadas la forma de la gráfica
Más detallesProyecto. Tema 6 sesión 2: Generación de Rectas, Circunferencias y Curvas. Geometría Analítica. Isidro Huesca Zavaleta
Geometría Analítica Tema 6 sesión 2: Generación de Rectas, Circunferencias y Curvas Isidro Huesca Zavaleta La Integración de dos Ciencias La Geometría Analítica nació de la integración de dos ciencias
Más detallesUNIDAD II. VARIACION DIRECTAMENTE PROPORCIONAL Y FUNCIONES LINEALES
UNIDAD II. VARIACION DIRECTAMENTE PROPORCIONAL Y FUNCIONES LINEALES Al finalizar esta unidad: - Describirás verbalmente en que consiste el cambio y cuáles son los aspectos involucrados en él. - Identificarás
Más detallesComprobar experimentalmente la ley de Ohm y las reglas de Kirchhoff. Determinar el valor de resistencias.
38 6. LEY DE OHM. REGLAS DE KIRCHHOFF Objetivo Comprobar experimentalmente la ley de Ohm y las reglas de Kirchhoff. Determinar el valor de resistencias. Material Tablero de conexiones, fuente de tensión
Más detallesAño Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS
Año Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS Investigación de operaciones I UNIDAD Unidad I: Programación lineal Conjuntos convexos, propiedades. Solución gráfica del problema bidimensional
Más detallesEJEMPLO DE PREGU,TAS
EJEMPLO DE PREGU,TAS MATEMÁTICAS PRIMERO, SEGU,DO Y TERCERO DE BACHILLERATO 1. Lógica proposicional Esta competencia se refiere al conocimiento que usted posee sobre el lenguaje de las proposiciones y
Más detallesTema 11: Integral definida. Aplicaciones al cálculo de áreas
Tema 11: Integral definida. Aplicaciones al cálculo de áreas 1. Introducción Las integrales nos van a permitir calcular áreas de figuras no geométricas. En nuestro caso, nos limitaremos a calcular el área
Más detallesSIMPLIFICACIÓN DE FUNCIONES LÓGICAS
LABORATORIO # 4 Realización: SIMPLIFICACIÓN DE FUNCIONES LÓGICAS 1. OBJETIVOS Los objetivos de este laboratorio es que Usted, aprenda a: Simplificar funciones utilizando mapas de Karnaugh Utilizar compuertas
Más detallesFórmula integral de Cauchy
Fórmula integral de Cauchy Comentario: de acuerdo con esta fórmula, uno puede conocer el valor de f dentro del entorno, conociendo únicamente los valores que toma f en el contorno C! Fórmula integral de
Más detallesMATEMÁTICAS GRADO DÉCIMO
MATEMÁTICAS GRADO DÉCIMO SEGUNDA PARTE TEMA 1: VELOCIDAD ANGULAR Definición Velocidad Angular CONCEPTO: DEFINICIONES BÁSICAS: La velocidad angular es una medida de la velocidad de rotación. Se define como
Más detallesRecordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos.
Capítulo 1 Preliminares Vamos a ver en este primer capítulo de preliminares algunos conceptos, ideas y propiedades que serán muy útiles para el desarrollo de la asignatura. Se trata de resultados sobre
Más detallesTécnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO
Técnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO 2 Objetivo El objetivo principal de las técnicas de clasificación supervisada es obtener un modelo clasificatorio válido para permitir tratar
Más detallesDerivadas Parciales (parte 2)
40 Derivadas Parciales (parte 2) Ejercicio: Si donde y. Determinar Solución: Consideraremos ahora la situación en la que, pero cada una de las variables e es función de dos variables y. En este caso tiene
Más detallesLímites y continuidad. Cálculo 1
Límites y continuidad Cálculo 1 Razones de cambio y límites La rapidez promedio de un móvil es la distancia recorrida durante un intervalo de tiempo dividida entre la longitud del intervalo. Ejemplo 1
Más detallesCapitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS
Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS INTRODUCCIÓN En el mundo real, tanto en las relaciones económicas como en las políticas o sociales, son muy frecuentes las situaciones en las que, al
Más detallesLocalización y Mapeado de forma Simultánea (SLAM)
Capítulo 4 Localización y Mapeado de forma Simultánea (SLAM) 4.1. Introducción SLAM son las siglas de Simultaneous Localization and Mapping, y puede traducirse como Localización y Mapeado Simultáneos.
Más detallesEJERCICIOS RESUELTOS
Tema JRIIOS RSULTOS JRIIO (mayo 9) onsidera el conmutador multietapa de la figura con N = ; n = ; k = 2. a) uál es el número máximo de conexiones que pueden realizarse en cualquier instante de tiempo?
Más detallesCAPITULO XII PUENTES DE CORRIENTE ALTERNA
CAPITULO XII PUENTES DE CORRIENTE ALTERNA 2. INTRODUCCION. En el Capítulo IX estudiamos el puente de Wheatstone como instrumento de medición de resistencias por el método de detección de cero. En este
Más detalles1. Los números reales. 2. Representación. 3. Densidad de los números racionales. 4. Propiedades de los números reales
EJES ARTICULADORES Y PRODUCTIVOS DEL AREA SISTEMA DE CONOCIMIENTOS GRADO: 10 11 1. Los números reales 1. Desigualdades. 2. Representación 2. Propiedades. 3. Densidad de los números racionales 4. Propiedades
Más detallesAprendizaje: Boosting y Adaboost
Técnicas de Inteligencia Artificial Aprendizaje: Boosting y Adaboost Boosting 1 Indice Combinando clasificadores débiles Clasificadores débiles La necesidad de combinar clasificadores Bagging El algoritmo
Más detallesUNIVERSIDAD AUTÓNOMA DE ZACATECAS UNIDAD ACADÉMICA INGENIERÍA ELÉCTRICA INGENIERÍA COMPUTACIÓN
UNIVERSIDAD AUTÓNOMA DE ZACATECAS UNIDAD ACADÉMICA INGENIERÍA ELÉCTRICA INGENIERÍA COMPUTACIÓN Algoritmos de Control de Congestión José Gpe Urista Hernández Octubre de 2013 CONTENIDO Congestión y métricas
Más detallesInteligencia Artificial
Inteligencia Artificial Tema 2 Búsquedas Ivan Olmos Pineda Contenido Estructura General de un PSA Formulación de un PSA Algoritmos de Búsqueda de Soluciones Aplicaciones BUAP Inteligencia Artificial 2
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detalles1.- Diagrama de barras
1.- Diagrama de barras Un diagrama de barras se utiliza para de presentar datos cualitativos o datos cuantitativos de tipo discreto (variables tipo II). Se representan sobre unos ejes de coordenadas, en
Más detallesUNIDAD 7. SISTEMA MÉTRICO DECIMAL
UNIDAD 7. SISTEMA MÉTRICO DECIMAL Reconocer la necesidad de medir, apreciar la utilidad de los instrumentos de medida y conocer los más importantes. Definir el metro como la unidad principal de longitud,
Más detallesSEMEJANZA SEMEJANZA. APM Página 1
SEMEJANZA 1. Figuras semejantes. 2. Cómo construir figuras semejantes. 2.1. Método de la cuadrícula. 2.2. Método de la proyección. 3. Planos, mapas y maquetas. 4. Perímetro y área de figuras semejantes.
Más detallesTeoría de probabilidades
Modelos Probabilistas Teoría de probabilidades Teoría de probabilidades Definiremos como probabilidad a priori (P(a)) asociada a una proposición como el grado de creencia en ella a falta de otra información
Más detallesELECTRÓNICA Y CIRCUITOS
ELECTRÓNICA Y CIRCUITOS EJERCICIOS TEMA 1 1.- Dado el dispositivo de la figura, en el que = V, obtener el valor de su parámetro, R, para que la corriente que lo atraviesa tenga un valor =0 ma. Resolver
Más detallesAlgoritmo para Calcular Logaritmos
Algoritmo para Calcular Logaritmos José Acevedo Jiménez Santiago, Rep. Dom. Calcular el logaritmo de un número hoy día es tarea sencilla, el uso de tablas y reglas para calcular el valor de los mismos
Más detallesMODELOS DE INVESTIGACION DE OPERACIONES
MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos
Más detallesCAPITULO 6 MEDIDAS DE POSICIÓN
CAITULO 6 MEDIDAS DE OSICIÓN Las medidas de posición equivalen a los valores que puede tomar una variable caracterizados por agrupar a cierto porcentaje de observaciones en la muestra o población. Las
Más detallesAnálisis del Consumidor
Análisis del Consumidor 1 Sesión No. 5 Nombre: Segmentación del mercado. Contextualización Conocemos realmente a nuestros clientes? El concepto de segmentación es, probablemente, uno de los más conocidos
Más detallesContabilidad de Costos
Contabilidad de Costos CONTABILIDAD DE COSTOS 1 Sesión No. 6 Nombre: Costeo de productos y servicios, Método de costeo de promedio ponderado Contextualización Qué es el costeo de operaciones? Continuando
Más detalles