Generación de variables aleatorias continuas Método de rechazo
|
|
- Laura Reyes Padilla
- hace 7 años
- Vistas:
Transcripción
1 Generación de variables aleatorias continuas Método de rechazo Georgina Flesia FaMAF 18 de abril, 2013
2 Método de Aceptación y Rechazo Repaso Se desea simular una v. a. X discreta, con probabilidad de masa p j = P(X = j), j = 0, 1, 2,.... Hipótesis: Se conoce un método eficiente para generar una v.a. Y, con probabilidad de masa q j = P(Y = j), j = 0, 1, 2,..., que verifica Si pj 0 entonces q j 0. Existe una constante c (c > 1) tal que p j q j c para todo j tal que p j > 0
3 Método de Aceptación y Rechazo Algoritmo: Método de aceptación y rechazo repeat Simular Y, con probabilidad de masa q Y ; Generar U U(0, 1) until U < p Y /cq Y ; X Y Teorema El algoritmo de aceptación y rechazo genera una variable aleatoria discreta tal que P(X j ) = p j, j = 0, 1,.... Además, el número de iteraciones requeridas para obtener X es una v.a. geométrica con media c.
4 El método de rechazo Veamos la version para variables continuas Sea X una v. a. con densidad f : F (x) = P(X x) = x f (t) dt. Supongamos que se tiene un método para generar Y, con densidad g, y que f (y) c, para todo y R tal que f (y) 0. g(y) El método de rechazo para generar X a partir de Y tiene el siguiente algoritmo:
5 Método de rechazo Algoritmo: Método de aceptación y rechazo repeat Generar Y, con densidad g; Generar U U(0, 1) until U < f (Y )/(cg(y )); X Y Teorema 1. La v. a. generada por el método de rechazo tiene densidad f. 2. El número de iteraciones del algoritmo es una variable aleatoria geométrica con media c.
6 Cálculo de la cota c h(x) = f (x) g(x) c Es h acotada superiormente? Existe un máximo de h? Determinar puntos críticos de h. Un punto crítico x 0 es un máximo local de h si en un entorno (a, b) de x 0 ocurre: h (x) > 0 para x < x 0 y h (x) < 0 para x > x 0, o h (x 0 ) < 0. Evaluar h en los extremos del intervalo.
7 Ejemplo Utilizar el método de rechazo para generar una v. a. con función de densidad f (x) = 20x(1 x) 3, 0 < x < 1. f (x) = Γ(α + β) Γ(α)Γ(β) x α 1 (1 x) β 1 I (0,1) (x) Variable β X es una v. a. Beta (2, 4). Está acotada en (0, 1). Se puede aplicar el método de rechazo con g(x) = 1, 0 < x < 1. Hallar c tal que f (x) g(x) = f (x) 1 c
8 Ejemplo h(x) = f (x) 1 = 20x(1 x)3, 0 < x < 1 h (x) = 20(1 x) 2 (1 4x) Puntos críticos: x = 1 y x = 1/4. h(0) = h(1) = 0, luego 0 y 1, los extremos del intervalo, no son máximos. h(1/4) = 135/64 > 0 por lo cual x = 1/4 es un máximo. h(1/4) = f (1/4) = 135/64 es el valor máximo de h c = =
9 Ejemplo Puntos críticos: x = 1 y x = 1/4. f (1) = 0, luego no es un máximo. x = 1/4 es un máximo. h(1/4) = f (1/4) = 135/64 es el valor máximo: c.
10 Ejemplo f (x) c g(x) = f (x) 135/64 = x(1 x)3 = 256 x(1 x)3 27 Algoritmo: Método de aceptación y rechazo repeat Generar V U(0, 1); Generar U U(0, 1) until U < V (1 V )3 ; X V El promedio del número de ciclos es c =
11 Ejemplo Generar una v. a. con densidad gamma ( 3 2, 1): con K = 1/Γ( 3 2 ) = 2/ π. f (x) = Kx 1/2 e x, x > 0, X gamma(α, β) = E[X] = α /β. X toma valores reales, no negativos. En el ejemplo, la media es 3/2. βα Γ(α) e βx x α 1. Es razonable rechazar con una exponencial de igual media. Pero podemos despues verificar si no podemos hacer un algoritmo mejor.
12 Ejemplo: generación de gamma ( 3 2, 1) Y E( 2 3 ) g(x) = 2 3 e 2/3 x, x > 0. h(x) = f (x)/g(x) = 3K 2 x 1/2 e x/3 c = 3 ( 3 2πe ) 1/2
13 Ejemplo h(x) = f (x) g(x) = CTE x 1/2 e x/3, 0 < x h (x) = CTE [ 1 2 x 1/2 e x/3 1/2 1 + x 3 e x/3 ] 0 = 1 2 x 1/2 e x/3 1/2 1 + x 3 e x/3 x = 3 2 Puntos críticos: 3 2 cuando x>0. h(0) < h( 3 2 ); h(2) < h( 3 2 ), luego 0 extremo del intervalo, no es máximo y h( 3 2 es el máximo. h( 3 2 = 3 ( 3 2πe ) 1/2 por lo cual ( ) 1/2 3 c = 3 2πe
14 Generación de una v. a. exponencial Sabemos que Si X E(λ), entonces c X también es exponencial. c X E( λ c ). Calculamos la inversa de la función de distribución de X E(1): F X (x) = 1 e x u = 1 e x 1 u = e x x = log e (1 u) X E(1) Generar U; X log(u) X E(λ) Generar U; X 1 λ log(u)
15 Ejemplo: generación de gamma ( 3 2, 1) f (x) cg(x) = ( ) 1/2 2e x 1/2 e x/3 3 Algoritmo: Método de rechazo repeat Generar V U(0, 1); Y 3 2 log(v ); Generar U U(0, 1) until U < ( ) 2e 1/2 3 Y 1/2 e Y /3 ; X Y ( ) 1/2 3 c = πe
16 Ejemplo Es cierto que es razonable rechazar con una exponencial de igual media que la gamma? Tomamos g(x) = λ e λx, exponencial con razón λ, media 1/λ. Obtenemos: f (x) g(x) = Kx 1/2 e (1 λ)x, 0 < λ < 1 λ Máximo en x = 1 2(1 λ), 0 < λ < 1. Valor máximo c = K λ (2(1 λ)) 1/2 e 1/2. λ = 2 minimiza el valor de c. 3
17 Generación de una v. a. normal Ejemplo Generar una v. a. normal estándar, es decir, Z con densidad f (x) = 1 2π e x 2 /2. Z tiene densidad f Z (x) = 2 2π e x 2 /2, en 0 < x <. Si sabemos generar Z, generamos Z por composición.
18 Generación de una v. a. normal Para generar Z : Elegimos g(x) = e x, 0 < x <. Resulta c = 2e/π c 1.32.
19 Generación de una v. a. normal } f (x) { cg(x) = exp (x 1)2. 2 Generación de Z repeat Generar V U(0, 1); Y log(v ); Generar U U(0, 1) until U < exp{ Z Y (Y 1)2 2 }; (Y 1)2 U < exp{ 2 } log(u) > (Y 1)2 2 Y 2 = log(u) E(1).
20 Generación de una v. a. normal Generación de Z repeat Generar Y 1 E(1); Generar Y 2 E(1) until Y 2 > (Y 1 1) 2 /2}; Z Y 1 Si Y 2 > (Y 1 1) 2 /2}, entonces X = Y 2 (Y 1 1) 2 /2 es exponencial con media 1, por la propiedad de falta de memoria. Luego podemos generar la normal y también una exponencial.
21 Generación de una v. a. normal Generación de Z normal y X exponencial repeat Generar Y 1 E(1); Generar Y 2 E(1) until Y 2 (Y 1 1) 2 /2 > 0; X Y 2 (Y 1 1) 2 /2; Generar U U(0, 1); if U < 0.5 then Z = Y 1 else Z = Y 1 end
22 Generación de una v. a. normal Observaciones. c Para generar una secuencia de normales, se puede utilizar X como siguiente exponencial: en promedio, se necesitan generar 1.64 exponenciales y calcular 1.32 cuadrados.
Generación de variables aleatorias continuas Método de la transformada inversa
Generación de variables aleatorias continuas Método de la transformada inversa Georgina Flesia FaMAF 16 de abril, 2013 Generación de v.a. discretas Existen diversos métodos para generar v.a. discretas:
Más detallesProbabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
Más detallesÓrdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple
Órdenes de la convergencia de sucesiones. Condiciones de la convergencia lineal y cuadrática del método de iteración simple Estos apuntes están redactados por Maria de los Angeles Isidro Pérez y Egor Maximenko.
Más detallesGeneración de eventos en Procesos de Poisson
Generación de eventos en Procesos de Poisson Georgina Flesia FaMAF 26 de abril, 2012 Proceso de Poisson homogéneo N(t), t 0, es un proceso de Poisson homogéneo de razón λ, λ > 0, si: N(0) = 0 proceso comienza
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 28 de mayo, 2013 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detallesProblemas de Espacios Vectoriales
Problemas de Espacios Vectoriales 1. Qué condiciones tiene que cumplir un súbconjunto no vacío de un espacio vectorial para que sea un subespacio vectorial de este? Pon un ejemplo. Sean E un espacio vectorial
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 31 de mayo, 2011 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesGeneración de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Generación de Variables Aleatorias UCR ECCI CI-453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción Las variables aleatorias se representan por medio de distribuciones
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Más detallesF (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0
Probabilidades y Estadística (M) Práctica 5 1 o cuatrimestre 2014 Vectores aleatorios 1. a) Demostrar que la función F (x, y) = 1 e x y si x 0, y 0 0 en caso contrario no es la función de distribución
Más detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detalles1. ECUACIONES DIFERENCIALES ORDINARIAS
1 1. ECUACIONES DIFERENCIALES ORDINARIAS 1.1. PRIMERAS DEFINICIONES. PROBLEMA DEL VALOR INICIAL Definición 1.1. Una ecuación diferencial es una ecuación en la que intervienen una variable dependiente y
Más detallesTest de Kolmogorov-Smirnov
Test de Kolmogorov-Smirnov Georgina Flesia FaMAF 2 de junio, 2011 Test de Kolmogorov-Smirnov El test chi-cuadrado en el caso continuo H 0 : Las v.a. Y 1, Y 2,..., Y n tienen distribución continua F. Particionar
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesVariable Aleatoria. Relación de problemas 6
Relación de problemas 6 Variable Aleatoria. Consideremos el experimento aleatorio consistente en lanzar dos dados equilibrados y observar el número máximo de los dos números obtenidos en ellos. Si X es
Más detallesFUNCIONES REALES 1º DE BACHILLERATO CURSO
FUNCIONES REALES 1º DE BACHILLERATO CURSO 2007-2008 Funciones reales Definición Clasificación Igual de funciones Dominio Propiedades Monotonía Extremos relativos Acotación. Extremos absolutos Simetría
Más detalles8.4. CRITERIO DE ESTABILIDAD POR EL METODO DIRECTO DE LIAPUNOV
8.4. CRITERIO DE ESTAB.: METODO DE LIAPUNOV 309 8.4. CRITERIO DE ESTABILIDAD POR EL METODO DIRECTO DE LIAPUNOV Consideremos el sistema autónomo dx = F (x, y) dt (8.32) dt = G(x, y), y supongamos que tiene
Más detallesEjercicios de Vectores Aleatorios
Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO MAGISTRAL GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES Otros M2 Calcular la función de densidad conjunta y las marginales
Más detallesEl subconjunto en el que se define la función se llama dominio o campo existencia de la función. Se designa por D.
Concepto de función Función real de variable real es toda correspondencia f que asocia a cada elemento de un determinado subconjunto de números reales, llamado dominio, otro número real (uno y sólo uno).
Más detallesIntegración por el método de Monte Carlo
Integración por el método de Monte Carlo Georgina Flesia FaMAF 29 de marzo, 2012 El método de Monte Carlo El método de Monte Carlo es un procedimiento general para seleccionar muestras aleatorias de una
Más detallesProblema 1. Calcula las derivadas parciales de las siguientes funciones: (d) f(x, y) = arctan x + y. (e) f(x, y) = cos(3x) sin(3y),
Problema. Calcula las derivadas parciales de las siguientes funciones: (a) f(x, y) = x + y cos(xy), (b) f(x, y) = x x + y, (c) f(x, y) = log x + y x y, (d) f(x, y) = arctan x + y x y, (e) f(x, y) = cos(3x)
Más detallesModelos Estocásticos I Tercer Examen Parcial Respuestas
Modelos Estocásticos I Tercer Examen Parcial Respuestas. a Cuál es la diferencia entre un estado recurrente positivo y uno recurrente nulo? Cómo se define el período de un estado? Demuestre que si el estado
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 5 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesConjunto R 3 y operaciones lineales en R 3
Conjunto R 3 y operaciones lineales en R 3 Objetivos. Definir el conjunto R 3 y operaciones lineales en R 3. Requisitos. Conjunto de los números reales R, propiedades de las operaciones aritméticas en
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detallesTEMA 1. NÚMEROS REALES Y COMPLEJOS
TEMA 1. NÚMEROS REALES Y COMPLEJOS 1.1 DEFINICIÓN AXIOMATICA DE LOS NÚMEROS REALES 1.1.1 Axiomas de cuerpo En admitimos la existencia de dos operaciones internas la suma y el producto, con estas operaciones
Más detallesPropiedades en una muestra aleatoria
Capítulo 5 Propiedades en una muestra aleatoria 5.1. Conceptos básicos sobre muestras aleatorias Definición 5.1.1 X 1,, X n son llamadas una muestra aleatoria de tamaño n de una población f(x) si son variables
Más detallesMAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas. g(z) e u(z) 1. u(z) a log z + b
PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE FACULTAD DE MATEMÁTICAS MAT2715 VARIABLE COMPLEJA II Ayudantia 5 Rodrigo Vargas 1. Sea u : C R una función armónica positiva. Pruebe que u es constante. Solución:
Más detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
Más detalles6. VARIABLES ALEATORIAS
6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta
Más detallesCurso Propedéutico de Cálculo Sesión 2: Límites y Continuidad
y Laterales Curso Propedéutico de Cálculo Sesión 2: y Joaquín Ortega Sánchez Centro de Investigación en Matemáticas, CIMAT Guanajuato, Gto., Mexico y Esquema Laterales 1 Laterales 2 y Esquema Laterales
Más detallesTeorema del valor medio
Práctica 6 - Parte 1 Teorema del valor medio El teorema del valor medio para derivadas (o teorema de Lagrange) es un resultado central en la teoría de funciones reales. Este teorema relaciona valores de
Más detallesDemostraciones a Teoremas de Límites
Demostraciones a Teoremas de Límites Programa de Bachillerato.Universidad de Chile. Otoño, 009 En esta sección solo daremos los fundamentos teóricos que nos permiten resolver los problemas que se nos plantean,
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesEn este capítulo obtendremos los resultados básicos del cálculo diferencial para funciones reales definidas sobre R o sobre intervalos.
Capítulo 6 Derivadas 61 Introducción En este capítulo obtendremos los resultados básicos del cálculo diferencial para funciones reales definidas sobre R o sobre intervalos Definición 61 Sea I R, I, f :
Más detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
Más detalles, pero lím. 1 x3 1. (x 1) x(x + 1) = x = x 1 1 x 3 = que es una forma indeterminada. (x + 2) (1 + x + x 2 ) = 3
Ana María Albornoz R. Ejercicios resueltos. Calcular los siguientes ites algebraicos + + 5 + + + 0 0 + pero + 0 0 0, pero 0 + + + 4 que es una forma indeterminada. Pero + + + + + + + + + + + + + + + +
Más detallesDistribuciones de probabilidad con R Commander
Distribuciones de probabilidad con R Commander En el menú Distribuciones podemos seleccionar Distribuciones discretas Distribuciones continuas Las distribuciones discretas que aparecen en R Commander son
Más detallesAmpliación Matemática Discreta. Justo Peralta López
Justo Peralta López UNIVERSIDAD DE ALMERíA DEPARTAMENTO DE ÁLGEBRA Y ANÁLISIS MATEMÁTICO 1 Introducción 2 Anillos de polinomios 3 Mínimo Común Divisor y Mínimo Común Múltiplo Algoritmo de Euclides Algoritmo
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesEL CUERPO ORDENADO REALES
CAPÍTULO I. EL CUERPO ORDENADO DE LOS NÚMEROS REALES SECCIONES A. Elementos notables en R. B. Congruencias. Conjuntos numerables. C. Método de inducción completa. D. Desigualdades y valor absoluto. E.
Más detallesSIMULACIÓN, ALGUNOS MÉTODOS Y APLICACIONES
SIMULACIÓN, ALGUNOS MÉTODOS Y APLICACIONES Hugo Carrasco * Resumen La palabra simulación, actualmente, es de uso corriente y cotidiano; su significado es, según la Real Academia, representar una cosa,
Más detallesVELOCIDAD Y ACELERACION. RECTA TANGENTE.
VELOCIDAD Y ACELERACION. RECTA TANGENTE. 3. Describir la trayectoria y determinar la velocidad y aceleración del movimiento descrito por las curvas siguientes: (a) r (t) = i 4t 2 j + 3t 2 k. (b) r (t)
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
UNIDD 4 RESOLUCIÓN DE SISTEMS MEDINTE DETERMINNTES Página 00 Resolución de sistemas mediante determinantes x y Resuelve, aplicando x = e y =, los siguientes sistemas de ecuaciones: x 5y = 7 5x + 4y = 6x
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 detallesINSTITUCIÓN EDUCATIVA GABRIEL TRUJILLO CORREGIMIENTO DE CAIMALITO, PEREIRA
INSTITUCIÓN EDUCATIVA GABRIEL TRUJILLO CORREGIMIENTO DE CAIMALITO, PEREIRA La matemática es la ciencia del orden y la medida, de bellas cadenas de razonamientos, todos sencillos y fáciles. René Descartes
Más detallesCampos sin divergencia y potenciales vectores
Campos sin divergencia y potenciales vectores Jana Rodriguez Hertz Cálculo 3 IMERL 24 de mayo de 2011 campo sin divergencia campo sin divergencia campo sin divergencia X : Ω R 3, X = (A, B, C) campo sin
Más detallesTema 1. Leyes de Newton
Tema 1. Leyes de Newton Tercera parte: Sistemas de masa variable Los sistemas de masa variable, es decir, sistemas en los que la masa que se encuentra en movimiento depende del tiempo, no conservan la
Más detallesLímite de una función
Límite de una función El límite de la función f(x) en el punto x 0, es el valor al que se acercan las imágenes (las y) cuando los originales (las x) se acercan al valor x 0. Es decir el valor al que tienden
Más detallesUNIDAD 10. DERIVADAS. APLICACIONES DE LAS DERIVADAS
Unidad 0. Derivadas. Aplicaciones de las derivadas UNIDAD 0. DERIVADAS. APLICACIONES DE LAS DERIVADAS. TASA DE VARIACIÓN MEDIA. Se llama TASA DE VARIACIÓN MEDIA (TVM) de una función () f en un intervalo
Más detallesEl Juego como Problema de Búsqueda
El Juego como Problema de Búsqueda En este algoritmo identificamos dos jugadores: max y min. El objetivo es encontrar la mejor movida para max. Supondremos que max mueve inicialmente y que luego se turnan
Más detallesUnidad 3 Generación de números aleatorios.
Unidad 3 Generación de números aleatorios. Ejercicio 1. Generadores de números aleatorios. La implementación de un buen generador de números aleatorios uniformemente distribuidos sobre el intervalo (0,
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detallesEjercicios Resueltos de Cálculo III.
Ejercicios Resueltos de Cálculo III. 1.- Considere y. a) Demuestre que las rectas dadas se cortan. Encuentre el punto de intersección. b) Encuentre una ecuación del plano que contiene a esas rectas. Como
Más detallesTRANSFORMADA DE LAPLACE. Definición: Transformada de Laplace. Sea f(t) una función definida para t 0; a la expresión
TRANSFORMADA DE LAPLACE Definición: Transformada de Laplace. Sea f(t) una función definida para t 0; a la expresión L= = Se le llama Transformada de Laplace de la función f(t), si la integral existe. Notación:
Más detallesCALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA. (Se utiliza el valor de la función en el extremo izquierdo de cada subintervalo)
CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA El problema del área, el problema de la distancia tanto el valor del área debajo de la gráfica de una función como la distancia recorrida por un objeto
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 detallesGEOMETRÍA. que pasa por el punto P y es paralelo a π. (0,9 puntos) b) Determinar la ecuación del plano π
GEOMETRÍA 1.- Se considera la recta r : ( x, y, z) = ( t + 1, t,3 t), el plano π: x y z = 0y el punto P (1,1,1). Se pide: a) Determinar la ecuación del plano π 1 que pasa por el punto P y es paralelo a
Más detallesCapítulo 6: Variable Aleatoria Bidimensional
Capítulo 6: Variable Aleatoria Bidimensional Cuando introducíamos el concepto de variable aleatoria unidimensional, decíamos que se pretendía modelizar los resultados de un experimento aleatorio en el
Más detallesMICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo.
MICROSOFT EXCEL PARA DIRECCIÓN FINANCIERA I. 1. Resolución de problemas de simulación de Montecarlo mediante el uso de la hoja de cálculo. Mediante el modelo de Hertz o Simulación de Montecarlo, trataremos
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesAnillo de polinomios con coeficientes en un cuerpo
Capítulo 2 Anillo de polinomios con coeficientes en un cuerpo En el conjunto Z se ha visto cómo la relación ser congruente módulo m para un entero m > 1, es compatible con las operaciones suma y producto.
Más detallesSucesiones Introducción
Temas Límites de sucesiones. convergentes. Sucesiones divergentes. Sucesiones Capacidades Conocer y manejar conceptos de sucesiones convergentes y divergentes. Conocer las principales propiedades de las
Más detallesCONTINUIDAD DE FUNCIONES. SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos.
CAPÍTULO IV. CONTINUIDAD DE FUNCIONES SECCIONES A. Definición de función continua. B. Propiedades de las funciones continuas. C. Ejercicios propuestos. 121 A. DEFINICIÓN DE FUNCIÓN CONTINUA. Una función
Más detallesDistribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
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 detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
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 detallesFunciones reales de variable real
84 Matemáticas I : Cálculo diferencial en IR Tema 8 Funciones reales de variable real 8. Los números reales Los números reales son de sobra conocidos, sus operaciones básicas así como su identificación
Más detallesSemana07[1/11] Trigonometría. 15 de abril de Trigonometría
Semana07[1/11] 15 de abril de 2007 Funciones trigonométricas inversas Funciones trigonométricas inversas Semana07[2/11] Para que una función posea función inversa, esta debe ser primero biyectiva, es decir,
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detallesMétodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................
Más detallesFunciones convexas Definición de función convexa. Tema 10
Tema 10 Funciones convexas Los resultados obtenidos en el desarrollo del cálculo diferencial nos permiten estudiar con facilidad una importante familia de funciones reales de variable real definidas en
Más detallesTransformada de Laplace
Matemática 4 Segundo Cuatrimestre 2 Transformada de Laplace M. del C. Calvo Dada f G(R ), definimos la transformada de Laplace de f como L(f)(s) = e st f(t) dt para los s R para los cuales converge esta
Más detallesAlgebra Lineal Tarea No 22: Valores y vectores propios Solución a algunos problemas de la tarea (al 29 de junio de 2014)
Algebra Lineal Tarea No : Valores y vectores propios a algunos problemas de la tarea (al 9 de junio de 04. Para la matriz A A Indique cuáles vectores son vectores propios: ( ( ( v, v, v 3 3 Recordemos
Más detallesIntegrales múltiples
ntegrales múltiples Cálculo (2003) El objetivo de este capítulo es definir y aprender a calcular integrales de funciones reales de varias variables, que llamamos integrales múltiples. Las motivación más
Más detallesNúmeros Complejos Matemáticas Básicas 2004
Números Complejos Matemáticas Básicas 2004 21 de Octubre de 2004 Los números complejos de la forma (a, 0) Si hacemos corresponder a cada número real a, el número complejo (a, 0), tenemos una relación biunívoca.
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detalles5 Variables aleatorias contínuas
5 Variables aleatorias contínuas Una variable aleatoria continua puede tomar cualquier valor en un intervalo de números reales.. Función de densidad. La función de densidad de una variable aleatoria continua
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detalles1. NÚMEROS PRIMOS Y COMPUESTOS.
. NÚMEROS PRIMOS Y COMPUESTOS. De acuerdo a las propiedades ya vistas de los divisores, sabemos que: todo natural no nulo es divisor de sí mismo es divisor de todo número natural. Ahora: el natural tiene
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesTeoría de la Probabilidad Tema 2: Teorema de Extensión
Teoría de la Probabilidad Tema 2: Teorema de Extensión Alberto Rodríguez Casal 25 de septiembre de 2015 Definición Una clase (no vacía) A de subconjuntos de Ω se dice que es un álgebra si A es cerrada
Más detallesLUGARES GEOMÉTRICOS. CÓNICAS
9 LUGARES GEOMÉTRICOS. CÓNICAS Página PARA EMPEZAR, RELEXIONA Y RESUELVE Cónicas abiertas: parábolas e hipérbolas Completa la siguiente tabla, en la que α es el ángulo que forman las generatrices con el
Más detallesReglas del producto y del cociente
Reglas del producto y del cociente Al igual que la regla de la potencia, ya calculamos las fórmulas para calcular la derivada de un producto de dos funciones en la página?? y del cociente de dos funciones
Más detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesIntroducción a los códigos compresores
Introducción a los códigos compresores Parte I de la Lección 2, Compresores sin pérdidas, de CTI Ramiro Moreno Chiral Dpt. Matemàtica (UdL) Febrero de 2010 Ramiro Moreno (Matemàtica, UdL) Introducción
Más detallesDERIVADAS. TVM (a, b) = = h. La tasa de variación media se puede interpretar como la pendiente de la recta AB de la figura siguiente:
Tasa de variación media DERIVADAS La tasa de variación media TVM de una unción ( en un intervalo (x, x se deine como: TVM (a, b ( x ( x x x Si consideramos x x + h, podemos expresar la TVM como: Interpretación
Más detallesRESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES
3 RESOLUCIÓN DE SISTEMAS MEDIANTE DETERMINANTES Página 74 Determinantes de orden 2 Resuelve cada uno de los siguientes sistemas de ecuaciones y calcula el determinante de la matriz de los coeficientes:
Más detallesFundamentos matemáticos. Tema 8 Ecuaciones diferenciales
Grado en Ingeniería agrícola y del medio rural Tema 8 José Barrios García Departamento de Análisis Matemático Universidad de La Laguna jbarrios@ull.es 2016 Licencia Creative Commons 4.0 Internacional J.
Más detalles