Modelado en optimización
|
|
- María Carmen Ferreyra Maestre
- hace 7 años
- Vistas:
Transcripción
1 Modelado e optimizació José María Ferrer Caa Uiversidad Potificia Comillas
2 Optimizació Ecotrar el valor que debe tomar las variables del problema para hacer óptima la fució obetivo, y de forma que se satisfaga las restriccioes Modelado e optimizació-
3 Compoetes de u problema de optimizació Fució obetivo Medida cuatitativa del fucioamieto del sistema que se desea optimizar (maimizar o miimizar) Variables Represeta las decisioes que se puede adoptar y de las que depede el valor de la fució obetivo Variables de cotrol y de estado Restriccioes Relacioes que las variables debe satisfacer Igualdades y desigualdades Modelado e optimizació- 2
4 Clasificació de modelos Fució obetivo Lieal, cuadrática, o lieal, o difereciable, multiobetivo, estocástica, si fució obetivo Restriccioes Si restriccioes, lieales, o lieales, o difereciables, acotadas, disyutivas, probabilísticas Variables Cotiuas, eteras, biarias Modelado e optimizació- 3
5 Modelo Represetació simplificada de la realidad, geeralmete de forma matemática, que facilita su compresió y el estudio de su comportamieto U bue modelo debe mateer u equilibrio etre secillez y capacidad de represetació Se requiere ua iteracció costate etre el modelador (creador del modelo) y el eperto (coocedor del problema real) Es a la vez ua ciecia y u arte Modelado e optimizació- 4
6 Etapas e el desarrollo de u modelo Idetificació del problema Especificació matemática y formulació Resolució Verificació, validació y refiamieto Iterpretació y aálisis de resultados Implatació, documetació y mateimieto El tiempo empleado e realizar correctamete ua etapa facilitará de forma otable las etapas sucesivas Modelado e optimizació- 5
7 Idetificació del problema Recolecció de iformació relevate Plateamieto geeral del problema Qué se quiere optimizar De qué alterativas se dispoe Qué limitacioes se tiee Iterpretació y traducció a térmios precisos de los datos y elemetos del problema Fase fudametal para que las futuras decisioes sea útiles Modelado e optimizació- 6
8 Especificació matemática y formulació Defiició e térmios matemáticos adecuados de los elemetos del problema Fució obetivo Variables Restriccioes Parámetros Idetificació del tipo(s) de modelo geeral que se puede aplicar Formulació clara y elegate Aálisis del tamaño y estructura del problema formulado Modelado e optimizació- 7
9 Resolució Elecció del tipo de método de solució y de algoritmos adecuados Implemetació (e u leguae iformático adecuado) de los algoritmos elegidos Obteció de la solució óptima o de solucioes suficietemete satisfactorias El tiempo de resolució depederá de la formulació propuesta Modelado e optimizació- 8
10 Verificació, validació y refiamieto Comprobació de coherecia co la realidad Detecció y correcció de errores de codificació Meora y ampliació por uevas ecesidades E la defiició E la formulació E la implemetació Modelado e optimizació- 9
11 Iterpretació y aálisis de resultados Aálisis de sesibilidad de la solució obteida, frete a cambios e los parámetros Detecció de solucioes robustas Modelado e optimizació- 0
12 Implatació, documetació y mateimieto Documetació clara, precisa y completa El código debe estar escrito de forma ordeada y debe icluir cometarios que facilite las operacioes de mateimieto Elaboració de u maual de usuario co especificacioes matemáticas e iformáticas Formació de usuarios Modelado e optimizació-
13 Eemplo de la dieta: Plateamieto La alimetació diaria de ua terera debe coteer al meos: 700 g de proteías 28 g de calcio 50 mg de vitamias Se dispoe de pieso y forrae co coste por kg de 30 y 35 cétimos de euro La composició utritiva por kg de alimeto es: Proteías (g) Calcio (g) Vitamias (mg) Pieso Forrae 45 5 Se trata de determiar la catidad diaria de cada alimeto para miimizar el coste total de la alimetació Modelado e optimizació- 2
14 Eemplo de la dieta: Formulació geérica Ídices: i tipo de alimeto (pieso y forrae) tipo de utriete (proteías, calcio y vitamias) Parámetros: b catidad míima diaria requerida del utriete a i catidad de utriete por kg de alimeto i c i coste por kg del alimeto i Variables: i catidad diaria de alimeto i por terera Fució obetivo: Restriccioes: mic De satisfacció de la catidad de utrietes De o egatividad 0 i i i i i i i a b i i Modelado e optimizació- 3
15 Eemplo de la dieta: Formulació umérica mi , (proteías) (calcio) (vitamias) Modelado e optimizació- 4
16 Modelos geerales de optimizació: Programació lieal (LP) T mic A= b 0 R, c R, A R, b R m m mi sa. z c c 2 2 = c a + a + + a = b 2 2 a + a + + a = b m m2 2 m m = vector de variables a a A= a a m m c matriz de restriccioes c = c,,, 0 2 vector de coeficietes de coste b b vector de = demadas b m Modelado e optimizació- 5
17 Modelos geerales de optimizació: Programació etera (IP) T T mic + d y A+ By= b y, 0 Z, y R, c R, d R l l A R, B R, b R m m l m Si l = 0 Programació etera pura (PIP) Si l > 0 Programació etera mita (MIP) Modelado e optimizació- 6
18 Modelos geerales de optimizació: Programació biaria (BIP) T mic A= b 0 { } 0,, c R, A R, b R m m Modelado e optimizació- 7
19 Modelos geerales de optimizació: Programació cuadrática (QP) T T mic+ Q 2 A= b 0 R, c R, A R Q R m, b R m Modelado e optimizació- 8
20 Modelos geerales de optimizació: Programació o lieal (NLP) mi f( ) g ( ) = 0 h ( ) 0 l u f g h : : : R R m R R k R R Modelado e optimizació- 9
21 Modelos geerales de optimizació: Programació multiobetivo mi( f ( ),..., f ( )) 0 A= b k R, c R, A R, b R m m f i( ): R R Modelado e optimizació- 20
22 Modelos geerales de optimizació: Especiales Optimizació o lieal si restriccioes mi f ( ) f : R R Auste o lieal míimo cuadrático Problema mito complemetario (MCP) F ( ) = 0 R F : R R Modelado e optimizació- 2
23 Modelos específicos de programació lieal y etera Problema del trasporte Problema del trasbordo Problema de asigació Problema de la mochila (kapsack) Problema del recubrimieto (set-coverig) Problema del empaquetado (set-packig) Problema de la partició (set-partitioig) Problema del viaate (TSP) Modelado e optimizació- 22
24 Problema del trasporte: Defiició Miimizar el coste total de trasporte de u producto desde los orígees a los destios, satisfaciedo la demada de cada destio si superar la oferta dispoible e cada orige a i Oferta e el orige i a a b b 2 b Demada e el destio a m m b c i Coste uitario de trasporte del orige i al destio Se supoe que la oferta es igual a la demada: m a = b i i= = Modelado e optimizació- 23
25 Problema del trasporte: Formulació Variables de decisió i = uidades trasportadas desde el orige i al destio mi sa. m i i= = m i= = c i i = b =,..., i = a i=,..., m i i 0 i=,..., m, =,..., i Modelado e optimizació- 24
26 Problema del trasporte: Propiedades m a > b Si se añade u sumidero uiversal co coste ulo i i= = m Si a < b se añade ua fuete uiversal co coste elevado i i= = La matriz de restriccioes es totalmete uimodular: todos los determiates de las submatrices vale 0, ó - Por lo tato, si los coeficietes de oferta a i y demada b so eteros la solució óptima es u vector etero Z i, i Modelado e optimizació- 25
27 Problema del trasbordo: Defiició Trasportar u producto e ua red satisfaciedo la demada, co el míimo coste posible b i Catidad de producto dispoible e el odo i oferta: b i > 0 demada: b i < 0 trasbordo: b i = 0 c i Coste uitario de trasporte del odo i al odo Se supoe que la oferta es igual a la demada: m i= b i = 0 Modelado e optimizació- 26
28 Problema del trasbordo: Formulació Variables de decisió i = uidades trasportadas desde el odo i al odo coservació del fluo mi i i= = c i i = b i=,, i ki i = k= i k i 0 i, =,..., i, i Matriz totalmete uimodular: b i Z Z i, i i El problema del trasbordo geeraliza al problema del trasporte Modelado e optimizació- 27
29 Problema de asigació Asigar tareas a máquias de forma que el coste total sea míimo c i Coste de asigar la tarea i a la máquia si se asiga la tarea i a la máquia i = 0 si o Variables Formulació Cada tarea ha de ser realizada por ua máquia Cada máquia ha de realizar ua tarea mi i = i= i c i= = { } i i = i=,, i = =,, i 0, i, Caso particular del problema del trasporte { } La restricció 0, puede sustituirse por 0 i i Modelado e optimizació- 28
30 Problema de la mochila Elegir obetos de los dispoibles de forma que el valor total sea máimo, si sobrepasar el volume dispoible c Volume que ocupa el obeto v Valor del obeto b Volume total dispoible Variables si se elige el obeto = 0 si o Formulació ma = = v { 0,} c b Modelado e optimizació- 29
31 Problema del recubrimieto Se dispoe de u couto de m elemetos y ua colecció de subcoutos Se desea elegir subcoutos que cubra todos los elemetos al meos ua vez, y co el míimo coste c Coste del subcouto a i Idica si el elemeto i perteece al subcouto ( sí, 0 o) Variables si se elige el subcouto = 0 si o Formulació Cada elemeto seleccioado al meos ua vez mi = = a i=,, m i { } 0, =,, c Modelado e optimizació- 30
32 Problema del recubrimieto: Eemplo Ua compañía aérea co base e Sa Fracisco quiere cubrir todos sus vuelos asigado tres tripulacioes a alguas de las 2 secuecias factibles de vuelos que se idica e la siguiete tabla. El obetivo es miimizar el coste de la asigació. Los costes de las diferetes secuecias aparece e la última fila: Secuecias factibles SF LA SF Dever SF Seattle LA Chicago LA SF Chicago Dever Chicago Seattle Dever SF Dever Chicago Seattle SF Seattle LA Coste (M ) Modelado e optimizació- 3
33 Problema del recubrimieto: Eemplo Variables: si se asiga la secuecia = 0 e cualquier otro caso Formulació: mi = 3 = { } 0, =,...,2 (SF-LA) (SF-Dever) (SF-Seattle) (Dispoe de tres tripulacioes) 3= 4= = = = = 5 2 Modelado e optimizació- 32
34 Problema del empaquetado Se dispoe de u couto de m elemetos y ua colecció de subcoutos Se desea elegir los subcoutos que de el máimo beeficio total, si que igú elemeto aparezca más de ua vez c Beeficio del subcouto a i Idica si el elemeto i perteece al subcouto ( sí, 0 o) Variables si se elige el subcouto = 0 si o Formulació Cada elemeto seleccioado como mucho ua vez ma = = a i=,, m i { } 0, =,, c Modelado e optimizació- 33
35 Problema de la partició Aálogo al problema del empaquetado, pero seleccioado eactamete ua vez cada elemeto Cada elemeto seleccioado ua vez ma = = a = i=,, m i c { } 0, =,, Modelado e optimizació- 34
36 Recubrimieto, partició, empaquetado RECUBRIMIENTO PARTICIÓN EMPAQUETADO Modelado e optimizació- 35
37 Problema del viaate: Formulació Realizar u circuito que pase por ciudades si repetir igua (volviedo a la ciudad de partida) de maera que la distacia (o tiempo o coste) total sea míima c i Distacia de la ciudad i a la ciudad Variables: i si se va de la ciudad i a la ciudad = 0 e otro caso Formulació: A cada ciudad se llega ua vez De cada ciudad se sale ua vez No se permite subciclos mi i i iu, i, i i = =,..., i = i=,..., i { } { } card( U) U,,,2 card( U) 2 i 0, i, =,..., i c Modelado e optimizació- 36
38 Problema del viaate: Formulació 2 Variables: ik Formulació: De cada ciudad se sale ua vez A cada ciudad se llega ua vez E cada etapa se recorre u tramo E cada etapa se sale de la ciudad a la que se ha llegado e la etapa aterior si se va de la ciudad i a la ciudad e la etapa k del circuito = 0 e otro caso mic i ik ik ik,, ik k, ik ik, ik i, ik i r { } = i=,..., = =,..., = k=,..., = k, =,..., rk+ 0, i, k, =,..., ik Modelado e optimizació- 37
39 Modelado co variables biarias Coversió de etera a biarias Disyucioes Disyucioes por bloques Cumplimieto de u úmero de ecuacioes Selecció etre varios valores Implicacioes etre variables biarias y restriccioes Implicacioes Relacioes secillas etre variables biarias Productos Modelado e optimizació- 38
40 Coversió de etera a biarias Se quiere descompoer la variable etera e variables biarias y, y 2, Se busca ua cota superior u 0 u Se determia N tal que N 2 u 2 La descomposició es N+ N = i= 0 i 2y i Se ha de sustituir e el modelo por dicha epresió, añadiedo yi { 0,} i Modelado e optimizació- 39
41 Tabla de equivalecias lógicas P Q o P ó Q P Q (P Q) y (Q P) P (Q y R) (P Q) y (P R) P (Q ó R) (P Q) ó (P R) (P y Q) R (P R) ó (Q R) (P ó Q) R (P R) y (Q R) o (P ó Q) o (P y Q) o P y o Q o P ó o Q Modelado e optimizació- 40
42 Disyucioes ó g se modela mediate f ( ) 0 ( ) 0 f ( ) Mδ δ { 0,} g ( ) M( δ) M es suficietemete grade. Lo ideal es que la M de cada restricció sea la cota más austada para cada restricció La implicació f ( ) > 0 g ( ) 0 es equivalete a Eemplo: ó f ( ) 0 g ( ) y z< 3 4y+ z 3 2y+ z+ 3> 0 + 4y z y+ z+ 3 0 ó + 4y z y+ z+ 3 Mδ + 4y z+ M( δ) δ { 0,} Modelado e optimizació- 4
43 Disyucioes por bloques f ( ) 0 f ( ) 0 2 f ( ) 0 k g ( ) 0 g ( ) 0 g ( ) 0 l ó 2 se modela mediate f ( ) Mδ f ( ) Mδ k δ g ( ) M( δ) g ( ) M( δ) l { 0,} Este método es apropiado para regioes factibles o coveas Modelado e optimizació- 42
44 Cumplimieto de u úmero de ecuacioes Se debe cumplir al meos k de las N ecuacioes: 2 La formulació sería f (,, ) 0 f (,, ) 0 f (,, ) 0 N f (,, ) Mδ El caso N = 2, k = equivale a ua disyució f (,, ) Mδ 2 2 f (,, ) Mδ N N Se procede de forma aáloga para bloques de ecuacioes N i= δ i = N k { } δ 0, i=,, N i Modelado e optimizació- 43
45 Selecció etre varios valores La fució f ha de tomar uo de los valores de la siguiete lista: La formulació sería d d f (,, ) = f (,, ) = N i= δ i δ i = { } d 2 N i= 0, i=,, N N d δ i i Modelado e optimizació- 44
46 Implicacioes etre variables biarias y restriccioes δ= a b a b δ= a ( ) b+ ε+ m εδ δ= a b a b δ= a b ε+ ( M+ εδ ) δ= a = b a = b δ= a b+ M( δ) a b+ m( δ) a b+ M( δ) a b+ m( δ) a b+ ε+ ( m εδ ) a b ε+ ( M+ εδ ) δ + δ δ Dode m a b M y ε > 0, ε 0 Modelado e optimizació- 45
47 Implicacioes La implicació f ( ) 0 g ( ) 0 se puede descompoer como y aplicar las ( f ( ) 0 δ= ) y ( δ= g ( ) 0) relacioes de la trasparecia aterior La doble implicació f ( ) 0 g ( ) 0 se puede descompoer como ( f ( ) 0 δ = ) y ( δ = g ( ) 0) y aplicar las relacioes de la trasparecia aterior Modelado e optimizació- 46
48 Relacioes secillas etre variables biarias δ = ó δ = 2 δ + δ 2 δ = δ = 2 δ δ 2 δ = δ = 2 δ = δ 2 ' ' =,..., = = ó...ó = k l δ δ δ δ δ δ δ δ + ' ' l k k { δ = } Al meos k de = { δ = } Como mucho k de N N = δ δ k N δ δ k N δ= δ= 0 Si e vez de se tiee e la epresió equivalete se sustituye por δ δ Modelado e optimizació- 47
49 Eemplo de fabricació: Formulació Si se fabrica alguo de los productos A o B etoces debe fabricarse tambié al meos uo de los productos C, D o E δ si se fabrica el producto = ABCDE,,,, 0 si o δ = ó δ = δ = ó δ = ó δ = A B C D E { } δ = δ = ó δ = ó δ = A C D E δ = δ = ó δ = ó δ = B C D E δ + δ + δ δ δ + δ + δ δ C D E A C D E B Modelado e optimizació- 48
50 Eemplo de fabricació: Formulació 2 δ = ó δ = δ = ó δ = ó δ = A B C D E δ + δ δ + δ + δ A B C D E δ + δ δ= A B δ= δ + δ + δ C D E 2δ δ + δ A B δ + δ + δ δ C D E Hay que añadir las restriccioes 0- a las variables biarias Si es la catidad de producto que se fabrica habría que añadir (e cualquiera de las formulacioes) M δ Modelado e optimizació- 49
51 Eemplo de balocesto: Plateamieto U etreador de balocesto tiee 9 ugadores, a los que ha evaluado de a 3 de acuerdo co su maeo de pelota, tiro, rebote y defesa, segú se idica e la tabla aduta: Jugador Posicioes Maeo de pelota Tiro Rebote Defesa Pívot Base Pívot, Alero Alero, Base Pívot, Alero Alero, Base Pívot, Alero Pívot Alero Modelado e optimizació- 50
52 Eemplo de balocesto: Plateamieto El equipo titular de 5 ugadores debe teer la máima capacidad defesiva y satisfacer las siguietes codicioes: Al meos dos ugadores debe estar e disposició de actuar de pívot, dos de alero y uo de base Su ivel medio e el maeo de pelota e tiro y e rebote debe ser por lo meos 2 Si uega el ugador 3, etoces el ugador 6 o puede ugar Si uega el ugador, tambié deberá ugar el 4 ó el 5, pero o los dos a la vez El ugador 8 ó el 9, pero o los dos a la vez, debe ugar Formular u programa lieal que facilite la selecció del equipo titular Modelado e optimizació- 5
53 Eemplo de balocesto: Formulació Variables: si se icluye el ugador e el equipo = 0 e otro caso =,,9 Fució obetivo: k si se icluye el ugador e posició = 0 e otro caso = 3, 4,5,6,7 ma k= pab,, (sólo los ecesarios) k Restriccioes: = 5 5 ugadores e el equipo p 5p 7p a 4a 5a 6a 7a b 6b 2 Al meos 2 pívots Al meos 2 aleros Al meos base Modelado e optimizació- 52
54 Eemplo de balocesto: Formulació Equivale a = = = = 0 3p 3a 3 + = 0 4a 4b 4 + = 0 5p 5a 5 + = 0 6a 6b 6 + = 0 7p 7a 7 { }, 0, k, k Equivale a = + = 4 5 Debe ugar 8 ó 9, pero o ambos Coherecia etre puestos para los ugadores polivaletes Nivel medio al meos 2 e maeo, tiro y rebote Modelado e optimizació- 53
55 Productos δδ 2= 0 δi { 0,} δ = δ 2= 0 0 ó δ δ δ + 2 i { 0,} 3 δδ 2 Reemplazar δδ 2 porδ 3 δ δ 3 2 i δ = δ = y δ = δ δ + δ δ { 0,} δ δ δi { 0,} δ δ 0 { 0,} Reemplazar δ por δ= 0 y= 0 δ= y= y y 0 y Mδ y y + Mδ M (dode M) Modelado e optimizació- 54
56 Modelado de fucioes obetivo o lieales Problemas co coste fio (fied-charge) Problemas co costes variables por tramos Fució obetivo miima o maimi Modelado e optimizació- 55
57 Problemas co coste fio Cada variable lleva asociado u coste fio k y u coste uitario c : f ( ) 0 = 0 = k + c > 0 Se itroduce ua variable biaria y por cada que cumpla 0 y > = 0 = 0 Para ello se añade restriccioes de la forma M y y { 0,} 0 (M grade ) La fució obetivo queda, y ( ky c) mi f ( ) = + = = Modelado e optimizació- 56
58 Problemas co costes variables por tramos La variable lleva asociados costes c, c 2,, c N e los tramos (p 0, p ], (p, p 2 ],, (p N-, p N ] Se itroduce N variables cotiuas y N variables biarias de la siguiete forma ( k k k si p, p k si > 0 k = δ = k 0 si o 0 = 0 E la fució obetivo se itroduce el sumado c N = k= Se añade las restriccioes N c k k k k =, δ = N k= k= k ( + k k k k ) =,..., p εδ pδ k N { } k δ 0, k=,..., N Modelado e optimizació- 57
59 Fució obetivo miima o maimi mi f ( ) A= b 0 R, A R, b R m m siedo El problema se puede reformular como miz z c+ d T T 2 2 z c+ d z c+ d T T T { c d c d c d 2 2 p p} f ( ) = ma +, +,..., + c, c,..., c R, d, d,..., d 2 p 2 0 Aálogo para fució obetivo maimi T p A= b p p R Modelado e optimizació- 58
Modelos Matemáticos de Optimización
Modelos Matemáticos de Optimizació Begoña Vitoriao Villaueva Uiversidad Potificia Comillas I. Ivestigació operativa y optimizació Historia: ANTES DE LA II GUERRA MUNDIAL Farkas, Mikowski,... (XIX); Markov
Más detalles8. Modelos de transporte y análisis de redes
8. Modelos de trasporte y aálisis de redes Problema de trasporte Problema de asigació Aálisis de redes. Redes de actividades: método CPM Problemas de trasporte. Eiste m orígees que cotiee diversas catidades
Más detallesJueves, 25 de abril. Dificultades de los modelos PNL. Dónde está la solución óptima? Otro ejemplo: Óptima Local frente a Global
. Jueves, de abril Teoría sobre la programació o lieal Programació separable Dificultades de los modelos PNL PL: Etregas: material de clase PNL: Aálisis gráfico de la programació o lieal e dos dimesioes:
Más detallesIntroducción. Leonfiel aportó principalmente en relaciones interindustriales a través de su matriz de insumo-producto.
Itroducció La PL es ua clase de modelo de programació matemática destiada a la asigació eficiete de los recursos limitados e actividades coocidas, co el ojetivo de satisfacer las metas deseadas (como maximizar
Más detallesSistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas
Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales
Más detallesCAPITULO 0 CONCEPTOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Algebra lineal Notación básica.
5 CAPIULO 0 CONCEPOS BASICOS DE ALGEBRA Y PROGRAMACION LINEAL Este capítulo proporcioa u pequeño resume acerca de coceptos básicos de álgebra y programació lieal que resulta fudametales para el bue etedimieto
Más detalles1. Secuencia Impulso unitario (función Kroëneker) 1, n = n 0. (n) = = {... 0, 0, (1), 0, 0,... }
SEÑALES DE TIEMPO DISCRETO SEÑALES Y SISTEMAS DE TIEMPO DISCRETO Las señales está clasificadas de maera amplia, e señales aalógicas y señales discretas. Ua señal aalógica será deotada por a t e la cual
Más detallesMATEMÁTICA LIC. Y PROF. EN CS. BIOLÓGICAS
Defiició de límite de ua fució (segú Heie) Sea f : D R ua fució y a R (D R) Diremos que se cumple que f() L R a f( ) L si para cualquier sucesió { } D { a} tal que a Ejemplos: ) Probar que Demostració:
Más detallesCLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel
x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la
Más detallesSobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga
Más detallesConvolución. Dr. Luis Javier Morales Mendoza. Procesamiento Digital de Señales Departamento de Maestría DICIS - UG
Covolució Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció... Aálisis de Sistemas Discretos Lieales e Ivariates e el Tiempo.... Técicas
Más detallesGuía Semana 9 1. RESUMEN. Universidad de Chile. Ingeniería Matemática
1. RESUMEN Igeiería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo e Varias Variables 08-1 Igeiería Matemática Guía Semaa 9 Teorema de los multiplicadores de Lagrage
Más detallesSESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN
SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.
Más detallesTRABAJO DE GRUPO Series de potencias
DPTO. MATEMÁTICA APLICADA FACULTAD DE INFORMÁTICA (UPM) TRABAJO DE GRUPO Series de potecias CÁLCULO II (Curso 20-202) MIEMBROS DEL GRUPO (por orde alfabético) Nota: Apellidos Nombre Este trabajo sobre
Más detallesTEMA 10: La programación lineal como instrumento para la toma de decisiones de inversión
Itroducció a las Fiazas 3º Curso de Direcció y Admiistració de Empresas TEMA 0: La programació lieal como istrumeto para la toma de decisioes de iversió E la empresa existe ua serie de restriccioes (recursos,
Más detalles4 El Perceptrón Simple
El Perceptró Simple. Itroducció Ua de las características más sigificativas de las redes euroales es su capacidad para apreder a partir de algua fuete de iformació iteractuado co su etoro. E 958 el psicólogo
Más detallesUnidad 1: Las Ecuaciones Diferenciales y Sus Soluciones
Uidad : Las Ecuacioes Difereciales y Sus Solucioes. Itroducció. Tato e las ciecias como e las igeierías se desarrolla modelos matemáticos para compreder mejor los feómeos físicos. Geeralmete, estos modelos
Más detallesUn sistema de m ecuaciones lineales con n incógnitas es un conjunto de m igualdades del tipo:......
1. Sistemas de m ecuacioes lieales co icógitas U sistema de m ecuacioes lieales co icógitas es u cojuto de m igualdades del tipo: a11x 1 a1 x... a1 x b1 a1x1 ax... ax b (1)... am1x1 amx... amx bm Los úmeros
Más detallesPROCESAMIENTO DIGITAL DE SEÑALES
PROCESAMIENTO DIGITAL DE SEÑALES TEMA : FUNDAMENTOS DE SISTEMAS DE TIEMPO DISCRETO. Señales y Sistemas de Tiempo Discreto Se itroducirá coceptos de señales y sistemas de tiempo discreto. Para ello se detallará
Más detallesUniversidad Antonio Nariño Matemáticas Especiales
Uiversidad Atoio Nariño Matemáticas Especiales Guía N 1: Números Complejos Grupo de Matemáticas Especiales Resume Se preseta el cojuto de los úmeros complejos juto co sus operacioes y estructuras relacioadas.
Más detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detallesR. Urbán Introducción a los métodos cuantitativos. Notas de clase Sucesiones y series.
R. Urbá Itroducció a los métodos cuatitativos. Notas de clase Sucesioes y series. SUCESIONES. Ua sucesió es u cojuto umerable de elemetos, dispuestos e u orde defiido y que guarda ua determiada ley de
Más detallesResumen que puede usarse en el examen
Resume que puede usarse e el exame ema. Optimizació Irrestrigida. Codicioes ecesarias y suficietes de optimalidad. Proposició (C. Necesarias) Sea x* u míimo local irrestrigido de f :!! y supogamos que
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-.000 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de
Más detallesLímite y Continuidad de Funciones.
Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por
Más detallesLOS NUMEROS REALES. Conjunto no vacío designado como R y denominado conjunto de los números reales. En
LOS NUMEROS REALES Cojuto o vacío desigado como R y deomiado cojuto de los úmeros reales. E él se defie ua relació de igualdad = y dos operacioes algebraicas + y. Relació de igualdad Defiició: R = (a,b)
Más detallesSesión 12. Aprendizaje neuronal
Iteligecia Artificial Sesió 2 Apredizaje euroal Ig. Sup. e Iformática, 4º Curso académico: 200/20 Profesores: Sascha Ossowski y Matteo Vasirai Apredizaje Resume: 3. Apredizaje automático 3. Itroducció
Más detallesGUIA DE ESTUDIO Nro 1
MATERIA: MATEMÁTICA I CURSO: I AÑO EJE ESTRUCTURAL I: CONCEPTOS FUNDAMENTALES DEL ALGEBRA GRUPOS CONCEPTUALES: - Epresioes algebraicas. Poliomios. - Ecuacioes. Iecuacioes. TEMARIO: GUIA DE ESTUDIO Nro
Más detallesFUNCIONES. ( a) IGUALDAD DE FUNCIONES Sí y son dos funciones, diremos que las funciones f y
CALCULO P.C.I. PRIMER SEMESTRE 04 FUNCIONES Sí A y B so dos cojutos o vacío, ua fució de A e B asiga a cada elemeto a perteeciete al cojuto A u úico elemeto b de B que deomiamos image de a. Además diremos
Más detallesDETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA
DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA U Modelo de Costeo por Procesos JOSE ANTONIO CARRANZA PALACIOS *, JUAN MANUEL RIVERA ** INTRODUCCION U aspecto fudametal e la formulació
Más detallesUNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior
UNIDAD Ecuacioes Difereciales Lieales de Orde Superior. Defiició Ua ecuació diferecial lieal de orde tiee la forma: d y a a a a y= g d d d Si las fucioes a a so todas costates (o cero) etoces se dice que
Más detalles- Fernando Sánchez - Departamento de Matemáticas - Universidad de Extremadura
- Ferado Sáchez - - 5 Números Cálculo I complejos 14 10 2015 E el cuerpo de los úmeros reales ecuacioes como x 2 + 1 = 0 o tiee solució: el poliomio x 2 + 1 o tiee raíces reales. Hace falta exteder el
Más detallesM arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para
GEOMETRÍA, TRIGONOMETRÍA Y SERIES Tema 4 Series uméricas M arcelo, de vez e vez, usa ua reata de 10 m de largo y cm de grueso para medir el cotoro de los terreos que fumiga. Para que la reata que usa o
Más detallesMétodos Numéricos (SC 854) Ajuste a curvas. 2. Ajuste a un polinomio mediante mínimos cuadrados
Métodos Numéricos SC 854 Auste a curvas c M Valezuela 007 008 7 de marzo de 008 1 Defiició del problema E el problema de auste a curvas se desea que dada ua tabla de valores i,f i ecotrar ua curva que
Más detallesCapítulo 9. Método variacional
Capítulo 9 Método variacioal 9 Miimizació de la eergía 9 Familia de fucioes 9 Partícula ecerrada e ua dimesió etre [-aa] 9 Oscilador armóico e ua dimesió 93 Átomo de helio 93 Combiació lieal de fucioes
Más detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
Más detallesIES IGNACIO ALDECOA 1 AMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 10/11
IES IGNACIO ALDECOA AMPLIACIÓN DE MATEMÁTICAS º ESO CURSO 0/ TEMA : SUCESIONES DE NÚMEROS REALES Se llama sucesió a u cojuto de úmeros dispuestos uo a cotiuació de otro. Podemos cosiderar ua sucesió como
Más detallesFactorizar es escribir o representar una expresión algebraica como producto de sus factores: Factor común:
PERIODO I FACTORIZACIÓN Factorizar es escribir o represetar ua expresió algebraica como producto de sus factores: Ejemplo: x 4 = (x + ) (x ) = (x + ) (x + ) (x ) Ua expresió queda completamete factorizada
Más detallesTALLER SOLUCIÓN NUMÉRICA DE ECUACIONES
. Apliue los métodos de bisecció y de la regla falsa para ecotrar todas las solucioes detro de 0 para 7 + 6 = 0. 5. Apliue el método de bisecció para solucioes eactas detro de 0 para: a. = 0 R: 0.68. Apliue
Más detallesSolución del Examen Extraordinario de Algebra y Matemática Discreta, Primer Curso, Facultad de Informática
Solució del Exame Extraordiario de Algebra y Matemática Discreta, 0-09-2008. Primer Curso, Facultad de Iformática Putuació Máxima Posible: 20 putos Ejercicio Primero (Grafos, etc). a) ( puto) Defia Grafo
Más detallesWalter Orlado Gozales Caicedo Secuecias Lógicas OBJETIVO: Lograr habilidad y destreza e el alumo practicado u razoamieto abstracto PROCEDIMIENTOS: INICIAL: Halla el valor del térmio que cotiúa e:,,,, 0,
Más detallesAPROXIMACIÓN DE FILTROS CAPÍTULO 2
APROXIMACIÓN DE FILTROS CAPÍTULO . Aproximacioes de Filtros E el capítulo se mecioaro los filtros ideales, e la realidad o se puede lograr ua aproximació ideal, por lo que los filtros reales sólo puede
Más detallesRaices de Polinomios. Jorge Eduardo Ortiz Triviño
Raices de Poliomios Jorge Eduardo Ortiz Triviño jeortizt@ual.edu.co http://www.docetes.ual.edu.co/jeortizt/ Defiició U poliomio de grado es ua epresió de la forma: Dode a 0 P() = a + a - - +... +a +
Más detallesSesión No. 6. Contextualización. Nombre: Funciones exponenciales y logarítmicas y el uso de las MATEMÁTICAS. progresiones aritméticas y geométricas.
Matemáticas Sesió No. 6 Nombre: Fucioes expoeciales y logarítmicas y el uso de las progresioes aritméticas y geométricas. Cotextualizació Las fucioes expoeciales y logarítmicas se les cooce como trascedetes,
Más detalles4.- Aproximación Funcional e Interpolación
4- Aproximació Fucioal e Iterpolació 4 Itroducció Ua de las mayores vetajas de aproximar iformació discreta o fucioes complejas co fucioes aalíticas secillas, radica e su mayor facilidad de evaluació y
Más detalles. Una de las aplicaciones más importantes de los coeficientes binomiales es el Binomio de Newton : n k)
Permutacioes. E Matemáticas, dado u cojuto fiito co todos sus elemetos diferetes, llamamos permutació a cada ua de las posibles ordeacioes de los elemetos de dicho cojuto. Por ejemplo, e el cojuto 1, 2,
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más detallesModelado en optimización lineal entera mixta
Modelado en optimización lineal entera mita Andrés Ramos Universidad Pontificia Comillas http://www.iit.upcomillas.es/aramos/ Andres.Ramos@upcomillas.es CONTENIDO CLASIFICACIÓN DE PROBLEMAS ALGUNOS PROBLEMAS
Más detallesTécnicas para problemas de desigualdades
Técicas para problemas de desigualdades Notas extraídas del libro de Arthur Egel [] 5 de marzo de 00 Medias Comezamos co dos de las desigualdades más básicas pero al mismo tiempo más importates Sea x,
Más detallesIES Fco Ayala de Granada Sobrantes de 2008 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna. Modelo nº 2 Sept. Sobrantes de Soluciones
IES Fco Ayala de Graada Sobrates de 008 (Modelo Septiembre) Germá-Jesús Rubio Lua Istruccioes: Modelo º Sept. Sobrates de 007-008 Solucioes Duració: 1 hora y 30 miutos. Elija ua de las dos opcioes propuestas
Más detallesFRACCIONES PARCIALES
Profesor: Jaime H. Ramírez Rios Págia FRIONES PRILES E ocasioes es ecesario ivertir el proceso. Para ver cómo fucioa el método de fraccioes parciales, trabajaremos sobre ua fució racioal. Q p f Dode Q
Más detallesTEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas
TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació
Más detallesLA DISCRIMINACIÓN SALARIAL DE LA MUJER Y LA VALORACIÓN DE PUESTOS DE TRABAJO (DOCUMENTO V7)
LA DISCRIMINACIÓN SALARIAL DE LA MUJER Y LA VALORACIÓN DE PUESTOS DE TRABAJO (DOCUMENTO V7) MODELO Y PROGRAMA IVIS PARA EL CÁLCULO DE PESOS EN UN PROCEDIMIENTO DE VALORACIÓN POR PONDERACIÓN DE FACTORES
Más detallesAnálisis de algoritmos
Tema 07: recursivos Solicitado: Ejercicios 04: recursivos M. e C. Edgardo Adriá Fraco Martíez http://www.eafraco.com edfracom@ip.mx @edfracom edgardoadriafracom 1 Coteido Recursividad Ecuacioes e recurrecia
Más detallesUNIDAD 1 Ecuaciones Diferenciales de Primer Orden
UNIDAD UNIDAD Ecuacioes Difereciales de Primer Orde Defiició lasificació de las Ecuacioes Difereciales Ua ecuació diferecial es aquélla que cotiee las derivadas o difereciales de ua o más variables depedietes
Más detallesL lim. lim. a n. 5n 1. 2n lim. lim. lim. 1 Calcula: Solución: a) 2
Calcula: L L a Dada ua sucesió que tiede a idica a partir de qué térmio se cumple la codició que se idica: a a Si a a Si 7 Si a partir del térmio 9 Si Hallar: d) 7 a partir del térmio 97 d) Deduce los
Más detallesSumatoria, Progresiones y Teorema del Binomio
Capítulo Sumatoria, Progresioes y Teorema del Biomio.. Símbolo Sumatorio Es u símbolo muy útil y coveiete que permite escribir sumas e forma abreviada. Este símbolo se represeta mediate la letra griega
Más detallesTema 5. APLICACIONES DE LAS DERIVADAS: REPRESENTACIÓN GRÁFICA DE CURVAS Y FÓRMULA DE TAYLOR
Tema. ALICACIONES DE LAS DERIVADAS: RERESENTACIÓN GRÁFICA DE CURVAS Y FÓRMULA DE TAYLOR Aplicacioes de la derivada primera El sigo de la derivada primera de ua fució permite coocer los itervalos de crecimieto
Más detallesSUCESIÓN. La colección de números que definen a una sucesión permite clasificar a éstas en:
UCEIÓN CPR. JORGE JUAN Xuvia-Naró Ua sucesió, (a ), de úmeros reales es ua fució que hace correspoder a cada úmero atural, excluido el cero, u úmero real, la cual viee defiida segú: f: N* R a a i a Número
Más detallesCurso: 3 E.M. ALGEBRA 8
Colegio SSCC Cocepció - Depto. de Matemáticas Uidad de Apredizaje: POLINOMIOS Capacidades/Destreza/Habilidad: Racioamieto Matemático/ Aplicació / Calcular, Resolver Valores/ Actitudes: Respeto, Solidaridad,
Más detallesTEMA 3 RECURRENCIA. FUNCIONES GENERATRICES
Gregorio Herádez Peñalver Departameto de Matemática Aplicada, Facultad de Iformática, UPM TEMA 3 RECURRENCIA. FUNCIONES GENERATRICES RELACIONES DE RECURRENCIA Ua relació de recurrecia para ua sucesió A=(a
Más detallesTRABAJO PRACTICO Nº 1
TRABAJO PRACTICO Nº 1 DEMANDA DE TRANSPORTE: ELASTICIDAD OFERTA DE TRANSPORTE: COSTOS AJUSTE DE FUNCIONES ANÁLISIS DE REGRESIÓN Objetivo: Aplicar a u caso práctico utilizado las herramietas básicas de
Más detalles5.1. Tipos de convergencia
Estadística Tema 5 Covergecia de Variables Aleatorias 51 Tipos de covergecia 52 Ley de los grades úmeros 53 Teorema cetral del límite 54 Método delta Objetivos 1 Motivació estudio secuecias de VAs 2 Covergecia
Más detallesIES Fco Ayala de Granada Sobrantes de 2002 (Modelo 1) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 2002 (Modelo 1) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Ua fábrica de muebles dispoe de 600 kg de madera para fabricar librerías de 1 y de 3 estates.
Más detallesTALLER DE MATEMÁTICAS DESIGUALDADES
TALLER DE MATEMÁTICAS DESIGUALDADES NOTAS Es bie sabido que e el cojuto de los úmeros reales existe ua relació de orde atural : se dice que x < y cuado y x es u úmero positivo Co esta relació, el cojuto
Más detallesTRABAJO PRÁCTICO N O 1. SÍNTESIS DE SEÑALES Y ANÁLISIS DE SISTEMAS
TRABAJO PRÁCTICO N O. SÍNTESIS DE SEÑALES Y ANÁLISIS DE SISTEMAS PARTE : SEÑALES Recomedacioes geerales: Utilice el comado stem para el graficado de las señales discretas. El uso de plot o se ajusta al
Más detallesGuía: Propiedades de las potencias SGUIC3M020MT311-A17V1
Guía: Propiedades de las potecias SGUICM00MT11-A17V1 TABLA DE CORRECCIÓN PROPIEDADES DE LAS POTENCIAS Ítem Alterativa Dificultad Estimada 1 C Media D Media D Media 4 B Media 5 D Compresió Media 6 E Compresió
Más detallesIES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule
Más detallesSistema de ecuaciones lineales
Uiversidad de Atofagasta Fac. de Ciecias Básicas Depto. de Matemáticas A. Alarcó, L. Media, E. Rivero, R. Zuñiga Segudo Semestre 204 Sistema de ecuacioes lieales El sistema de ecuacioes lieales a, + a,2
Más detallesDepartamento de Matemáticas
MA5 Clase 3: Series de térmios positivos. Criterios de covergecia. Series de térmios positivos Elaborado por los profesores Edgar Cabello y Marcos Gozález La característica fudametal de ua serie cuyos
Más detallesPreguntas más Frecuentes: Tema 2
Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,
Más detalles2 Conceptos básicos y planteamiento
ESTADÍSTICA DESCRIPTIVA: DOS VARIABLES Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció E muchos casos estaremos iteresados e hacer u estudio cojuto de varias características de ua població.
Más detallesANALISIS CONVEXO CAPITULO CONVEXIDAD
CAPITULO 2 ANALISIS CONVEXO 2.1 CONVEXIDAD Bajo este título geérico, se itroduce e esta secció las ocioes de cojuto covexo, fució cócava y fució covexa. Coceptos todos ellos que juega u destacado papel
Más detallesPolinomio Mínimo en Campos Cuadráticos
Poliomio Míimo e Campos cuadráticos Poliomio Míimo e Campos Cuadráticos 1. Método de solució Partiedo de que u cuerpo cuadrático es K = Q ( a + b), vamos a propoer u método o estructura para ecotrar el
Más detallesAPLICACIONES INFORMÁTICAS EN QUÍMICA. Problemas Tema 2.3: Series, representación de funciones y construcción de tablas en HC.
APLICACIONES INFORMÁTICAS EN QUÍMICA Problemas Tema 2.3: Series, represetació de fucioes y costrucció de tablas e HC Grado e Química º SEMESTRE Uiversitat de Valècia Facultad de Químicas Departameto de
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detalles- Fernando Sánchez - Departamento de Matemáticas - Universidad de Extremadura. Cálculo I
- Ferado Sáchez - - Números Cálculo I complejos 09 0 07 E el cuerpo de los úmeros reales ecuacioes como x + = 0 o tiee solució: el poliomio x + o tiee raíces reales. Hace falta exteder el cocepto de úmero
Más detallesCAPITULO 4 COMPARACIÓN DE REACTORES IDEALES Y REACTORES MÚLTIPLES
omparació de Reactores Ideales y Reactores Múltiples PITULO 4 OMPRIÓN DE RETORES IDELES Y RETORES MÚLTIPLES 4. INTRODUIÓN E este capítulo se comparará los reactores T y. Se diseñará baterías de reactores
Más detallesLECTURA 3 GENERACIÓN DE SEÑALES
UNIVERSIDAD TÉCNICA FEDERICO SANTA MARÍA DEPARTAMENTO DE ELECTRÓNICA LECTURA 3 GENERACIÓN DE SEÑALES CURSO SIGLA LABORATORIO DE PROCESAMIENTO DIGITAL DE SEÑALES ELO 385 PROFESOR RODRIGO HUERTA CORTÉS AYUDANTE
Más detallesINECUACIONES. Ejemplo: La desigualdad 2x+l>x+5, es una inecuación por que tiene una incógnita "x" que se verifica para valores mayores que 4.
INECUACIONES DEFINICIÓN: Ua iecuació es ua desigualdad e las que hay ua o más catidades descoocidas (icógita) y que sólo se verifica para determiados valores de la icógita o icógitas. Ejemplo: La desigualdad
Más detallesT ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:
T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.
Más detallesJuegos bipersonales de suma nula Juegos semi-infinitos. Mª Enriqueta Vercher González Universitat de València
Juegos bipersoales de suma ula Juegos semi-ifiitos Mª Eriqueta Vercher Gozález Uiversitat de Valècia Ídice Itroducció Juego bipersoal de suma ula Pares de equilibrio Estrategias mixtas eorema del Miimax
Más detallesÁlgebra I Práctica 3 - Números enteros (Parte 1)
FCEyN - UBA - 1er cuatrimestre 015 Divisibilidad y algoritmo de divisió Álgebra I Práctica 3 - Números eteros (Parte 1 1. Decidir cuáles de las siguietes afirmacioes so verdaderas a, b, c Z i a b c a c
Más detallesCS. de la COMPUTACION II 1 VERIFICACION DE PROGRAMAS
CS. de la COMPUTACION II 1 VERIFICACION DE PROGRAMAS Uo de los efoques para determiar si u programa es correcto es establecer ua actividad de testig. Esta cosiste e seleccioar u cojuto de datos de etrada
Más detallesMétodos de reducción de varianza
Métodos de reducció de variaza Clase ro 1 Curso 010 Métodos de reducció de variaza E la mayoría de las simulacioes, los experimetos tiee por obetivo obteer valores medios de los resultados que se muestrea
Más detallesAMPLIACIÓN DE MATEMÁTICAS 4º ESO CURSO 1 /1
AMPLIACIÓN DE MATEMÁTICAS º ESO CURSO / TEMA : SUCESIONES DE NÚMEROS REALES Se llama sucesió a u cojuto de úmeros dispuestos uo a cotiuació de otro. Podemos cosiderar ua sucesió como ua fució que asiga
Más detallesEjemplo: 0+0i y -3+0i representan los números reales 0 y 3 respectivamente. Si a=0 se considera un número imaginario puro a 0+bi
u_miii.doc EL SISTEMA DE LOS NÚMEROS COMPLEJOS: No eiste u úmero real que satisfaga la ecuació +0 Para resolver este tipo de ecuacioes es ecesario itroducir el cocepto de úmero complejo. U úmero complejo
Más detallesAplicaciones de la Serie Fourier
Uiversidad de Satiago de Chile Autores: Miguel Martíez Cocha Facultad de Ciecia Carlos Silva Corejo Departameto de Matemática y CC Emilio Villalobos Marí Part I Aplicacioes de la Serie Fourier. Problema.
Más detallesEvaluación NOMBRE APELLIDOS CURSO Y GRUPO FECHA CALIFICACIÓN. 9. Límite y continuidad
Evaluació NOMBRE APELLIDOS CURSO GRUPO FECHA CALIFICACIÓN Calcula el térmio geeral de ua progresió geométrica que tiee de térmio a y por razó /. a) b) c) El 6 es: a) b) 0 c) / 6 7 El es: a) b) c) 0 El
Más detallesLos números complejos
Los úmeros complejos Los úmeros complejos Forma biómica Defiició z = a + bi, o bie, z = (a, b) siedo a la parte real y b la parte imagiaria. a = r cos α b = r se α Opuesto z = a bi Cojugado z = a bi Represetació
Más detalles2 Algunos conceptos de convergencia de sucesiones de variables aleatorias
INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes
Más detallesMétodos Numéricos para Sistemas de Ecuaciones No Lineales
Uiversidad de Chile Departameto de Igeiería Matemática Métodos Numéricos para Sistemas de Ecuacioes No Lieales MA-33A Gozalo Herádez Oliva GHO SENL - MA-33A 1 Sistemas de Ecuacioes No Lieales: SENL 1)
Más detallesMUESTREO Y ESTIMACIÓN ESTADÍSTICA
1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso
Más detallesMaterial interactivo con teoría y ejercicios resueltos. Para acceder a ello deberá pulsar sobre los siguientes enlaces una vez dentro de la asignatura
E el Aula Virtual se ecuetra dispoible: Material iteractivo co teoría y ejercicios resueltos. Para acceder a ello deberá pulsar sobre los siguietes elaces ua vez detro de la asigatura Pagia Pricipal >Aputes>4.
Más detallesTeoría de la conmutación. Álgebra de Boole
Álgebra de Boole Defiicioes y axiomas Propiedades Variables y fucioes booleaas Defiicioes Propiedades Formas de represetació Fucioes booleaas y circuitos combiacioales Puertas lógicas Puertas lógicas fudametales
Más detalles9. Hallar un número de cuatro cifras que sea igual al cubo de la suma de las cifras.
Hoja de Problemas º Algebra II 9. Hallar u úmero de cuatro cifras que sea igual al cubo de la suma de las cifras. Solució: Sea el úmero buscado co a que si o, o seria de cuatro cifras. Teemos que ( ) como
Más detallesMINITAB y MODELOS DE REGRESIÓN
Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias
Más detalles9. MEDIDA DE LA DENSIDAD DE LÍQUIDOS
9. MEDIDA DE LA DENSIDAD DE LÍQUIDOS OBJETIVO El objetivo de la práctica es determiar la desidad de líquidos utilizado la balaza de Möhr y su aplicació a la determiació de la desidad de disolucioes co
Más detallesCAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD. Es un hecho bien conocido que la probabilidad de que un individuo fallezca en un periodo
CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD 4.1 Geeralidades Es u hecho bie coocido que la probabilidad de que u idividuo fallezca e u periodo determiado de tiempo depede de muchos factores, etre
Más detallesPolinomio de una sola variable. , llamaremos polinomio de la variable x a toda expresión algebraica entera de la forma:
Semiario Uiversitario de Igreso 07 oliomio de ua sola variable a0; a; a;...; a úmeros reales y N 0, llamaremos poliomio de la variable a toda epresió algebraica etera de la forma: a0 a a... a Los poliomios
Más detalles